decontX：单细胞转录组分析去除环境污染RNA

和之前双细胞去除一样，，单细胞转录组分析去除环境污染RNA也是一个可选的内容。为什么会出现这么一个问题呢，还是受限于目前的单细胞技术而已。通俗的来讲，在基于液滴的单细胞RNA-seq实验中，稀释液中总会存在一定量的背景mrna，例如你在裂解组织的时候，不不可能100%获取活性单细胞，总有一些细胞的裂解导致基因释放，这些mrna随细胞一起分布到液滴中，并随细胞一起测序。这就是污染得来源。那么目前也有很多的算法来推测合矫正。今天我们要说的是decontX，在我个人的使用中，我的感觉第一decontX使用后太方便了，非常的简单，第二则是我演示的数据中效果极好。当然了，具体问题还需要具体对待。

decontX官网教程：
Bioconductor - decontX
decontX github：
https://github.com/campbio/decontX

decontX使用需要知晓以下几个注意事项：
1、decontX的input文件可以是SingleCellExperiment object，也可以是单细胞count matrix。
2、decontX净化后矩阵是小数，在将其添加到Seurat之前须四舍五入为整数。

3、decontX的运行有两种方式，一种是直接跑，不提供背景。另外一种是使用包含空液滴的原始/液滴矩阵作为背景。一般情况没有这个。

虽然decontX步骤超级简单，但是为了大家方便使用，我们将这个过程包装成了一个函数。我们看看函数参数：只需要提供seurat obj和idents即可。

image.png

我们看看去除效果：

#注意，运行这个函数之后，得到的seurat对象中
#assay[“origCounts”]是我们最初的矩阵，没有经过矫正
#assay[“RNA”]是decontX矫正过的矩阵
#最后，污染分数储存在metadata-  seurat_obj$estConp

adj_scRNA <- runDecontX(seurat_obj = scRNA_ha,
                        idents = "celltype")

#根据contamination分数删除细胞，至于比例，没有明确的要求，可以按照实际数据处理来设定
adj_scRNA = adj_scRNA[,adj_scRNA$estConp < 0.15]
#对比下结果
DimPlot(adj_scRNA, label = T)+DimPlot(scRNA_ha, label = T)

image.png

对比两者效果，做测试decontX过滤的，右侧是原来的。我发现在这个数据中，去除的cell都是一些边缘化的细胞，或者散落在其他群的细胞，以及有一个Other，是新多出来的群。所以把我觉得不好的都去除了。当然了，这个要具体对待，不能盲目。好了，今天的内容就分享到这里了，希望对你有帮助！