TSCAN算法matlab,TSCAN ||基于分群结果的单细胞拟时分析工具

TSCAN: Pseudo-time reconstruction and evaluation in single-cell RNA-seq analysis

单细胞分析工具(TSCAN)是为更好地支持单细胞RNA-seq分析中伪时间重构而开发的软件工具。TSCAN使用基于集群(cluster-based )的最小生成树(MST)方法对单元格进行排序。首先将单元聚类分群，然后构造一个MST来连接每群的中心。将每个细胞投射到树形上得到伪时间，利用细胞的有序序列研究基因表达随伪时间的动态变化。MST构造前的聚类降低了树空间的复杂度(也节约了计算资源),这通常会改善cell的排序。它还允许用户根据先验知识方便地调整排序。TSCAN有一个图形用户界面(GUI)来支持数据可视化和用户交互。此外，还建立了定量方法来客观评价和比较不同的伪时间重建方法。

TSCAN概述:

(A -b)一个玩具例子，说明基于细胞的MST的局限性。在这里，细胞(蓝色圆圈)被放置在一个二维空间中，真正的生物时间是自上而下运行的。连接单元格的MST不是惟一的。(A)和(B)都是可能的解决办法,(B)更符合事实。然而，在现实中，随机测量噪声可能会将标记为“*”的单元格从箭头和虚线所示的其他单元格中移开。因此，(B)不再是MST。另一方面，(A)中的MST并不反映细胞的真实顺序。(C)如果先将类似的细胞分组成集群，然后构建一个MST来连接集群中心，就可以找到真正的时间轴。(D) TSCAN首先构建基于集群的MST(例如，以5个不同颜色编码的细胞集群为例;数字表示集群中心)。树可以有多个路径(例如1-2-3-4或1-2-3-5)。TSCAN通过将每个单元投射到树的边缘来对每个路径上的单元进行排序。(E)保留的主成分的数目是通过找出由两条线(虚线)组成的最佳分段线性拟合来确定的。

我们来走一个例子：

if (!requireNamespace("BiocManager", quietly = TRUE))

install.packages("BiocManager")

BiocManager::install("TSCAN")

## ------------------------------------------------------------------------

library(TSCAN)

data(lpsdata)

head(lpsdata)

dim(lpsdata)

class(lpsdata)

# Load the PBMC dataset

library(Seurat)

pbmc.data

# Initialize the Seurat object with the raw (non-normalized data).

pbmc

seuratdf

head(seuratdf)

dim(seuratdf)

rownames(lpsdata)

class(seuratdf)

preprocess the raw single-cell data

procdata

dim(procdata)

Perform model-based clustering on expression values:

lpsmclust

fitting ...

|========================================================================================================================================| 100%

plotmclust(lpsmclust,show_cell_names = F)

Construct TSCAN order after exprmclust

lpsorder

lpsorder

testing differentially expressed genes

diffval

#Selected differentially expressed genes under qvlue cutoff of 0.05

head(row.names(diffval)[diffval$qval < 0.05])

[1] "RPL22" "RPL11" "SH3BGRL3" "CD52" "LAPTM5" "YBX1"

STAT2expr

singlegeneplot(STAT2expr, TSCANorder(lpsmclust,flip=TRUE,orderonly=FALSE))

交互操作：

TSCANui()# 打开交互界面