每列大于0的个数_生信学习|单细胞转录组学习笔记之Seurat 3.0（一）

在之前的文章中，已经为大家分享了几个R语言的教程，今天再为大家分享R语言的seurat包的学习笔记。

一.数据导入

本文的范例数据为seurat官网的pbmc-3k数据，文末有下载链接。当然也可以直接使用 基迪奥10X转录组结题报告中的表达量文件，如下图。

指定数据所在目录；

data_dir <-"C:/Users/MHY/Desktop/filtered_gene_bc_matrices/hg19"

载入seurat包；

library(Seurat)

读入pbmc数据；

pbmc.data <- Read10X(data.dir =data_dir)

查看稀疏矩阵的维度，即基因数和细胞数；

dim(pbmc.data)

[1]32738 2700

预览稀疏矩阵（1~10行，1~6列），. 表示0；

pbmc.data[1:10,1:6]

二.创建Seurat对象与数据过滤

在使用CreateSeuratObject()创建对象的同时，过滤数据质量差的细胞。保留在>=3个细胞中表达的基因；保留能检测到>=200个基因的细胞。

pbmc <- CreateSeuratObject(counts =pbmc.data, project = "pbmc2700", min.cells = 3, min.features = 200)

计算每个细胞的线粒体基因转录本数的百分比（%），使用[[ ]] 操作符存放到metadata中；

pbmc[["percent.mt"]] <-PercentageFeatureSet(pbmc, pattern = "^MT-")

过滤细胞：保留gene数大于200小于2500的细胞；目的是去掉空GEMs和1个GEMs包含2个以上细胞的数据；而保留线粒体基因的转录本数低于5%的细胞，为了过滤掉死细胞等低质量的细胞数据。

pbmc <- subset(pbmc, subset =nFeature_R