分享是一种态度
![a3dbfe9abd185fdfbc68ec39c6017274.gif](https://img-blog.csdnimg.cn/img_convert/a3dbfe9abd185fdfbc68ec39c6017274.gif)
上个月我们组建了:《单细胞CNS图表复现交流群》,见:你要的rmarkdown文献图表复现全套代码来了(单细胞),也分享了单细胞转录组数据分析的流程:
- 祖传的单个10x样本的seurat标准代码
- 祖传的单个10x样本的seurat标准代码(人和鼠需要区别对待)
- seurat标准流程实例之2个10x样本的项目(GSE135927数据集)
交流群里大家讨论的热火朝天,而且也都开始了图表复现之旅,在这里我还是带大家一步步学习CNS图表吧。如果你也想加入交流群,自己去:你要的rmarkdown文献图表复现全套代码来了(单细胞)找到我们的拉群小助手哈。
今天讲解第一步:读入csv文件的表达矩阵成为Seurat对象。
交流群里共享了该文章的谷歌云文件的百度云版本,方便在中国大陆的朋友们下载。
读取两个csv文件
如果是10x数据集,一般来说是每个样本都有3个文件,参考代码是:
- 祖传的单个10x样本的seurat标准代码
- 祖传的单个10x样本的seurat标准代码(人和鼠需要区别对待)
- seurat标准流程实例之2个10x样本的项目(GSE135927数据集)
但是我们这个CNS文章是直接把表达矩阵给出来了csv文件,所以直接读取,代码如下:
rm(list=ls())
options(stringsAsFactors = F)
library(Seurat)
# Load data
dir='./'
Sys.time()
raw.data "Data_input/csv_files/S01_datafinal.csv", sep=""), header=T, row.names = 1)
Sys.time()
dim(raw.data)
raw.data[1:4,1:4]
head(colnames(raw.data))
# Load metadata
metadata "Data_input/csv_files/S01_metacells.csv", sep=""), row.names=1, header=T)
head(metadata)
# Find ERCC's, compute the percent ERCC, and drop them from the raw data.
erccs "^ERCC-", x = rownames(x = raw.data), value = TRUE)
percent.ercc fivenum(percent.ercc)
ercc.index "^ERCC-", x = rownames(x = raw.data), value = FALSE)
raw.data dim(raw.data)
构建Seurat对象
有了表达矩阵,直接使用 CreateSeuratObject 函数即可,然后慢慢添加这个表达矩阵的一些其它外部属性,全部代码如下:
# Create the Seurat object with all the data (unfiltered)
main_tiss # add rownames to metadta
row.names(metadata) # add metadata to Seurat object
main_tiss main_tiss "percent.ercc")
# Head to check
head(main_tiss@meta.data)
# Calculate percent ribosomal genes and add to metadata
ribo.genes "^RP[SL][[:digit:]]", x = rownames(x = main_tiss@assays$RNA@data), value = TRUE)
percent.ribo fivenum(percent.ribo)
main_tiss "percent.ribo")
main_tiss
# Filter cells so that remaining cells have nGenes >= 500 and nReads >= 50000
main_tiss_filtered 50000 & nFeature_RNA > 500)
main_tiss_filtered
我们得到了main_tiss_filtered这个变量,是一个Seurat对象,就可以follow我们的教程后后续分析流程啦。参考代码仍然是是:
- 祖传的单个10x样本的seurat标准代码
- 祖传的单个10x样本的seurat标准代码(人和鼠需要区别对待)
- seurat标准流程实例之2个10x样本的项目(GSE135927数据集)
如果你对单细胞转录组研究感兴趣,但又不知道如何入门,也许你可以关注一下下面的课程
两年过去了,你们的单细胞文章终于发出来了
生信爆款入门-第8期(线上直播4周,马拉松式陪伴,带你入门)你的生物信息入门课
数据挖掘学习班第6期(线上直播3周,马拉松式陪伴,带你入门) 医学生/医生首选技能提高课
看完记得顺手点个“在看”哦!
![769f5ebc94c5d400551506a959b0f4f0.png](https://img-blog.csdnimg.cn/img_convert/769f5ebc94c5d400551506a959b0f4f0.png)
长按扫码可关注