aggr代码 cellranger_seurat3的merge功能和cellranger的aggr整合多个10X单细胞转录组对比...

昨天我在单细胞天地的教程：使用seurat3的merge功能整合8个10X单细胞转录组样本 完完整整的展示了如何使用seurat3的merge功能整合8个10X单细胞转录组样本，因为这个数据集的文章作者使用的是cellranger流程，而且我们在单细胞天地多次分享过流程笔记，大家可以自行前往学习，如下：

我们得比较一下，作者的cellranger的aggr整合多个10X单细胞转录组得到的表达矩阵，跟我们使用seurat3的merge功能整合8个10X单细胞转录组样本后的表达矩阵是否有差异。

幸运的是，作者在GEO数据库也放上去了自己cellranger的aggr整合多个10X单细胞转录组得到的表达矩阵，所以我们只需要下载走seurat3的降维分群即可跟昨天的教程：使用seurat3的merge功能整合8个10X单细胞转录组样本 聚类分群结果进行对比啦！

首先走seurat3的降维分群流程

library(Seurat)

sce=CreateSeuratObject(counts = Read10X('input/'),

project = 'merge' )

# 步骤 ScaleData 的耗时取决于电脑系统配置(保守估计大于一分钟)

sce

vars.to.regress = c('nCount_RNA'),

model.use = 'linear',

use.umi = FALSE)

sce

mean.function = ExpMean,

dispersion.function = LogVMR,

x.low.cutoff =