R语言分析单细胞数据Day1——下载Seurat包并进行预处理（一）

Task.1 安装Seurat，准备处理single cell data

安装Seurat时，只能安装3.2.3以下的版本，太高就不兼容！

install.packages('remotes') %安装过可以省略
remotes:: install_version("Seurat", version = "3.2.3")
# 安装不上可以更新R版本或者安装附属包

Task.2 加载Seurat包并导入数据

library(Seurat)
# 这里可以设置你的路径，三个文件（mtx数据、行名和列名）都需要加载
# 所使用的数据暂时不公开了，GEO数据库有很多
Day0_RAW <- ReadMtx( mtx = "matrix.mtx", features = "features.tsv",cells = "barcodes.tsv")

Task.3 创建Seurat格式项目

Seurat_Day0 <- CreateSeuratObject(counts = Day0_RAW,min.cells = 3,min.genes = 200)
# 初步过滤：>=3个细胞中表达的基因(min.cells = 3），>=200个基因的细胞(min.genes = 200)。可任意设置。

创建的项目：33539 features across 22609 samples within 1 assay
Task.4 质控

Seurat_Day0[["percent.mt"]] <- PercentageFeatureSet(Seurat_Day0, pattern = "^MT-")
# 这个命令是计算基因含量，这里MT是线粒体的意思
VlnPlot(Seurat_Day0, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)
# 可视化一下

根据第三个图片，线粒体基因含量占比25%以下的细胞才保留
线粒体是生物大分子，线粒体较多的细胞说明有细胞有可能已经失活，并且噪音也就变的非常多（大佬LR讲解的）
接下来可视化RNA-基因含量，RNA-feature

plot1 <- FeatureScatter(Seurat_Day0, feature1 = "nCount_RNA", feature2 = "percent.mt")
plot2 <- FeatureScatter(Seurat_Day0, feature1 = "nCount_RNA", feature2 = "nFeature_RNA")
plot1 + plot2
# 这个可视化感觉要更好看一些

上面两个可视化是为了根据内容确定筛选的细胞数目和基因数目。下面代码才是最重要的质控代码

#过滤具有超过 8000 或少于 200 个独特特征的细胞，过滤>25%的线粒体（线粒体不清楚为何过滤）
Seurat_Day0_fit <- subset(Seurat_Day0, subset = nFeature_RNA > 200 & nFeature_RNA < 8000 & percent.mt < 25)

质控后的项目：33539 features across 22433 samples within 1 assay （删除了部分低表达的细胞）

Task.5 标准化
对每个细胞的表达量进行归一化（常用“LogNormalize”），将其乘以比例因子（默认为 10,000），并对结果进行对数转换（这个是必须的）

Seurat_Day0_fit_norm <- NormalizeData(Seurat_Day0_fit , normalization.method = "LogNormalize", scale.factor = 10000)
#这些参数都是默认值，可以不写

至此，数据预处理结束，接下来是降维、聚类等分析。