tradeSeq | Slingshot下游沿轨迹分析pathway表达

可爱的一只帆

已于 2023-10-07 14:42:27 修改

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

文章标签： r语言学习方法

于 2023-10-07 14:20:46 首次发布

本文链接：https://blog.csdn.net/qq_43022495/article/details/133637804

博客介绍了在找到沿轨迹变化的基因后，换思路直接找出沿轨迹显著变化的pathway的方法。先通过AUCell给pathway打分，可从GSEA网站下载或自制geneset.gmt文件进行打分，再进行tradeSeq常规分析，输入文件为pathway打分矩阵。

之前分享了用tradeSeq分析沿轨迹变化的基因，可以找到谱系内和谱系间都显著表达的基因，找到这些基因之后，按照常规思路，需要看看这些基因分别是什么，有什么功能，富集到了哪些pathway。换个思路，能不能直接找出沿轨迹显著变化的pathway？其实很简单，把tradeSeq的输入文件换成pathway打分矩阵就可以。

1.用AUCell给pathway打分

在GSEA网站上下载自己需要的geneset.gmt文件，也可以自己制作，用AUCell打分

#####=========AUCell打分=========#####
library(AUCell)
library(clusterProfiler)

cells_rankings <- AUCell_buildRankings(sc@assays$RNA@data) 
Hallmarker <- read.gmt("/project/mh.all.v2023.1.Mm.symbols.gmt.txt") 
geneSets <- lapply(unique(Hallmarker$term), 
            function(x){print(x);Hallmarker$gene[Hallmarker$term == x]})
names(geneSets) <- unique(Hallmarker$term)
cells_AUC <- AUCell_calcAUC(geneSets, cells_rankings, 
                            aucMaxRank=nrow(cells_rankings)*0.1)
sc_AUC <- getAUC(cells_AUC)

2.tradeSeq常规分析（参考之前分享Tradeseq | Slingshot下游沿轨迹分析基因表达-CSDN博客）

注意：这里的counts是pathway打分矩阵，nGenes是pathway个数，k自定（后续分析参考之前的文章，出图类似）

icMat <- evaluateK(counts = sc_AUC, 
                   sds = crv1, 
                   nGenes = 50,
                   k = 3:10,
                   verbose = T, 
                   plot = TRUE)
sce <- fitGAM(counts = sc_AUC, 
              pseudotime = pseudotime, 
              cellWeights = cellWeights,
              nknots = 6, verbose = TRUE,
              BPPARAM = MulticoreParam(20),parallel=T)
table(rowData(sce)$tradeSeq$converged)#查看收敛基因个数