SCS【12】单细胞转录组之评估不同单细胞亚群的分化潜能 (Cytotrace)

最新推荐文章于 2024-04-24 09:24:07 发布
最新推荐文章于 2024-04-24 09:24:07 发布
阅读量1.6k 收藏 4
点赞数
分类专栏： 单细胞系列 RNA数据分析 文章标签： 数据挖掘 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41368414/article/details/126928866
版权

图片

点击关注，桓峰基因

Topic 6. 克隆进化之 Canopy

Topic 7. 克隆进化之 Cardelino

Topic 8. 克隆进化之 RobustClone

SCS【1】今天开启单细胞之旅，述说单细胞测序的前世今生

SCS【2】单细胞转录组 之 cellranger

SCS【3】单细胞转录组数据 GEO 下载及读取

SCS【4】单细胞转录组数据可视化分析 (Seurat 4.0)

SCS【5】单细胞转录组数据可视化分析 (scater)

SCS【6】单细胞转录组之细胞类型自动注释 (SingleR)

SCS【7】单细胞转录组之轨迹分析 (Monocle 3) 聚类、分类和计数细胞

SCS【8】单细胞转录组之筛选标记基因 (Monocle 3)

SCS【9】单细胞转录组之构建细胞轨迹 (Monocle 3)

SCS【10】单细胞转录组之差异表达分析 (Monocle 3)

SCS【11】单细胞ATAC-seq 可视化分析 (Cicero)

SCS【12】单细胞转录组之评估不同单细胞亚群的分化潜能 (Cytotrace)

今天来说说单细胞转录组数据分析细胞的分化，学会这些分析结果，距离发文章就只差样本的选择了，有创新性的样本将成为文章的亮点，并不是分析内容了！

前 言

CytoTRACE (Cellular (Cyto) Trajectory Reconstruction Analysis using gene Counts and Expression)是一种利用单细胞RNA-SEQ数据预测细胞分化状态的计算方法。CytoTRACE利用了一个简单但强大的发育潜力决定因素——每个细胞可检测表达的基因数量，或基因计数。我们已经在跨越315个细胞表型、52个谱系、14个组织类型、9个scRNA-seq平台和5个物种的约150K单细胞转录组上验证了CytoTRACE。

CytoTRACE框架

图片

骨髓分化的CytoTRACE预测

图片

网站的功能

CytoTRACE 运行原理和步骤 （1）基因计数：第一步是计算每个细胞中可检测表达的基因数量。这是通过对每个单细胞表达大于零的基因总数求和来完成的。

（2）基因计数特征（GCS）：第二步是捕捉表达模式与基因计数相关的基因。这是通过以下步骤完成的：

输入基因表达表被重新调整为每百万转录本 (TPM) 或每百万计数 (CPM)。

将每个单个细胞的转录本总和设置为该细胞中可检测表达的基因总数。这样做是为了将基因表达矩阵转换为相对转录物计数，或细胞裂解物中 mRNA 分子的估计丰度，我们和其他人已经证明这可以改进差异表达基因的检测（Gulati 等人，2020 年；Qiu 等人等，2017）。

生成的表达式矩阵是 log 2归一化的，拟计数为 1。

为了测量每个基因与基因计数的关系，计算每个基因的标准化表达和基因计数之间的 Pearson 相关性。

与基因计数最正相关的前 200 个基因的几何平均表达是基因计数特征 (GCS)。

(3) CytoTRACE：最后一步是通过利用细胞之间的局部相似性并应用两步平滑程序来迭代改进我们对 GCS 向量的估计：

创建我们的最近邻图，我们将归一化的表达矩阵（见上文）转换为马尔可夫过程，以捕捉单元格之间的局部相似性。

使用这个马尔可夫矩阵，然后我们将非负最小二乘回归 (NNLS) 应用到 GCS。这使我们能够将 GCS 表示为马尔可夫矩阵中捕获的不同转录邻域的函数。

应用扩散过程，根据马尔可夫过程的概率结构迭代调整 GCS。注意：这不是 GCS，而是经过 NNLS 调整的 GCS。

结果值在 0 和 1 之间进行排序和缩放，代表细胞的相对分化状态的预测顺序（0，分化程度更高；1，分化程度较低）。

官网提供以下功能：

  1. 分析42个公开可用的带注释的scRNA-seq数据集，用CytoTRACE预先计算；

  2. 预测自定义scRNA-seq数据集中的分化状态；

  3. 预测来自不同平台和发展阶段的多个批次/数据集的分化状态；

  4. 用交互式3D图(包括t-SNE、力向布局和UMAP)可视化预测的分化；

  5. 根据已知表型总结结果；

  6. 识别预测的干细胞和分化相关基因。

软件安装

策划新特性: 提供表现型时，箱线图带有plotCytoTRACE功能 其他外部生成的值可以使用CytoTRACE使用“otherValue”和“otherName”字段绘制 新的plotCytoGenes功能用于绘制与CytoTRACE相关的基因条形图 iCytoTRACE现在提供了快速模式，可以通过分析大型数据集来改进运行时 改进了所有函数的文档，可以在加载CytoTRACE库后通过R中的函数名访问这些文档 由于科学界的建设性反馈，我们修复了几个小错误 与最新的R v4.0.0版本兼容 使用以下链接下载CytoTRACE R包v0.3.3。

现在，您应该在本地目录(下面称为/PATH/to/directory/)中看到一个名为cytotrace_0.3.3.ar.gz的文件。要将这个包安装到R，打开R (version >= 4.0.0)并运行以下命令:

install.packages("devtools")
devtools::install_local("PATH/TO/DIRECTORY/CytoTRACE_0.3.3.tar.gz")

R包中的iCytoTRACE()函数需要2个Python包、scanoramaCT(用于应用于CytoTRACE的原始Scanorama代码的改编版本)和numpy。CytoTRACE()函数将在没有这些依赖项的情况下运行，但要跨多个批处理/数据集启用CytoTRACE应用程序，请运行以下命令安装Python依赖项:

$ pip install scanoramaCT
$ pip install numpy

数据读取

运行CytoTRACE 用库(CytoTRACE)在R中加载CytoTRACE。包装内容如下:

Cytotrace():在自定义scRNA-seq数据集上运行Cytotrace的函数。iCytoTRACE:在多个异构scRNA-seq批/数据集上运行Cytotrace的函数 两个具有对应表型标签(marrow_10x_pheno和marrow_plate_pheno)的骨髓分化scRNA-seq数据集(marrow_10x_expr和marrow_plate_expr)

示例I:在自定义scRNA-seq数据集上运行CytoTRACE

使用骨髓10x scRNA-seq数据集运行CytoTRACE

results <- CytoTRACE(marrow_10x_expr)

当数据集中的单元数超过3,000时，CytoTRACE将自动以快速模式运行，这是一种用于减少运行时和内存使用的子采样方法。此外，用户还可以使用’ncores’(默认值为1)来多线程，或者使用’subsamplingsize’(默认值为1,000 cells)来指示子采样大小。在快速模式下运行以下数据集，使用8个核心，子样本大小为1000。

results <- CytoTRACE(marrow_10x_expr, ncores = 8, subsamplesize = 1000)

输出是一个列表对象，其中包含CytoTRACE的数值[从0(差异较大)到1(差异较小)]、排序的CytoTRACE、GCS和基因计数、每个基因和CytoTRACE之间Pearson相关性的数值向量、每个基因和基因计数之间Pearson相关性的数值向量、过滤细胞的id和规范化的基因表达表。

例II:在多个scRNA-seq批/数据集上运行iCytoTRACE

在包含两个在不同平台上分析的骨髓scRNA-seq数据集的列表上运行iCytoTRACE，分别是10x和Smart-seq2

datasets <- list(marrow_10x_expr, marrow_plate_expr)
results <- iCytoTRACE(datasets)

输出是一个列表对象，其中包含合并的CytoTRACE的数值(值从0(差异较大)到1(差异较小))、排序的CytoTRACE、GCS、基因计数、scanoram校正的基因表达矩阵、合并的低维嵌入和过滤细胞的id(更多详细信息，请参阅软件包文档)。

可视化分析

可视化CytoTRACE结果

生成2D图和表格来可视化CytoTRACE、已知表型和基因表达。目前的实现使用t-SNE进行降维，但用户也可以输入自己的嵌入。plotCytoTRACE函数至少接受一个由CytoTRACE或iCytoTRACE函数生成的列表对象作为输入。用户还可以选择提供表型标签或基因名称，以生成额外的图。

plotCytoTRACE(results, phenotype = marrow_10x_pheno, gene = "Kit")

该函数将两个文件保存到磁盘:-一个由CytoTRACE着色的2D嵌入图的pdf，以及(如果提供的话)表型标签和基因表达。-一个以制表符分隔的文本文件，其中包含CytoTRACE值- t-SNE嵌入表，如果提供，还包括表型标签和基因表达值。

图片

当提供表型标签时，根据表型标签自动生成CytoTRACE箱图。

图片

可视化与CytoTRACE相关的基因

生成条形图以可视化与CytoTRACE相关的基因。plotCytoGenes函数至少接受一个由CytoTRACE或iCytoTRACE函数生成的列表对象作为输入。用户还可以指定要显示的基因数量和颜色。

plotCytoGenes(results, numOfGenes = 10)

该函数将一个文件保存到磁盘: 条形图的pdf，根据与CytoTRACE的相关性表明与分化程度最低和分化程度最高的细胞相关的基因。

图片

网页版使用教程

官网 ：https://cytotrace.stanford.edu/

Load pre-computed datasets

导航到网站上的Run选项卡，单击页面右上角预计算数据集下面的栏。

现在应该看到一个下拉菜单，其中列出了CytoTRACE已经分析过的42个数据集。每个数据集根据生物学主题和scRNA-seq平台(例如体外hESC (C1))命名，如下图所示:

图片

一旦选择了要分析的数据集，单击如下所示的显示结果：

图片

Analyze results I: Low-dimensional visualization

分析scRNA-seq数据的一种有用方法是可视化数据的低维嵌入

提供了两个选项来可视化scRNA-seq数据:

  1. 二维可视化

  2. 三维可视化

还提供了三种降维方案:

  1. t-分布式随机邻居嵌入(t-SNE)与Rtsne (R包)

  2. Force Atlas 2 with fa2 (Python包)

  3. 统一流形逼近和投影(UMAP)与UMAP (Python包)

还为颜色嵌入提供了三个选项:

  1. CytoTRACE值

  2. 表型(如果提供)

  3. 基因符号

用户可以使用页面左上角的菜单在这些选项之间切换

图片

用CytoTRACE和表型着色的体外hESC (C1)数据集的t-SNE表示的二维示例：

图片

用CytoTRACE和NANOG基因表达着色的体外hESC (C1)数据集的t-SNE表示的二维示例：

图片

用CytoTRACE、表型和NANOG基因表达着色的体外hESC (C1)数据集的t-SNE表示的3D示例:

图片

将鼠标悬停在细胞上方将显示一个框，详细描述了样本名称、t-SNE坐标、CytoTRACE值和表型(如果提供):

图片

我们这期主要介绍细胞分化该怎么分析以及可视化，包括代码实现和网页版实现功能。目前单细胞测序的费用也在降低，单细胞系列可算是目前的测序神器，有这方面需求的老师，联系桓峰基因，提供最高端的科研服务！

桓峰基因，铸造成功的您！

未来桓峰基因公众号将不间断的推出单细胞系列生信分析教程，

敬请期待！！

有想进生信交流群的老师可以扫最后一个二维码加微信，备注“单位+姓名+目的”，有些想发广告的就免打扰吧，还得费力气把你踢出去！

References：
  1. Gulati GS, Sikandar SS, Wesche DJ, Manjunath A, Bharadwaj A, Berger MJ, Ilagan F, Kuo AH, Hsieh RW, Cai S, Zabala M, Scheeren FA, Lobo NA, Qian D, Yu FB, Dirbas FM, Clarke MF, Newman AM. Single-cell transcriptional diversity is a hallmark of developmental potential. Science. 2020 Jan 24;367(6476):405-411. doi: 10.1126/science.aax0249. PMID: 31974247; PMCID: PMC7694873.

图片

桓峰基因
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【CytoTRACE】trajectory reconstruction analysis
DerekRusso的博客
04-25 1508
cytoTRACE可对细胞分化状态作出定量预测并排序
Xenium In Situ数据的质量评估及优化方案（试用版）
最新发布
weixin_53637133的博客
06-06 583
Xenium In Situ数据的质量评估及优化方案（试用版）
10X单细胞轨迹分析（拟时分析）之cytotrace
weixin_53637133的博客
04-24 1065
10X单细胞轨迹分析（拟时分析）之cytotrace
Rocky 9 安装 R-CytoTRACE
woodman的专栏
03-03 954
给出的详细指南，只是可能大家打不开或者懒得去看E文。第二步，打开R或者Rstudio-server。第一步，下载CytoTRACE安装包。第三步，安装python相关的包。第四步，设置Python路径。
CytoTRACE | 推断拟时序起点
生信练习生
11-01 563
sva/ccaPP/HiClimR/ncdf4这几个包没有的用BiocManager安装一下，安装HiClimR/ncdf4的时候可能会报错（dependency ‘ncdf4’ is not available for package ‘HiClimR’），在linux终端安装netcdf就好了。1. R包下载网站：https://cytotrace.stanford.edu/CytoTRACE_0.3.3.tar.gz。2. 推断拟时序起点，可视化结果储存在本地。
（四）单细胞数据分析——细胞亚群伪时序分析
m0_47675572的博客
05-25 3371
对细胞亚群进行伪时序分析，发现细胞可能的分化轨迹
GMMchi_scs:基于GMMchi的单细胞后处理管道的预印刷版
04-04
在单细胞数据中，卡方检验可能用于评估基因在不同细胞群之间的表达差异是否显著。 3. **数据清洗和预处理**：在应用GMMchi之前，通常需要对原始测序数据进行一系列预处理步骤，包括去除低质量细胞、过滤低表达基因...
scs.rar_组卷系统
09-21
"scs.rar_组卷系统"是一个用于创建和管理试卷的软件系统，它利用了遗传算法和机器学习技术来优化试卷的构成。在教育领域，组卷是一项关键任务，需要根据教学大纲、学生水平和考试目标来精心设计题目。这款系统提供了...
使用4215-CVU 电容电压单元进行fF飞法电容测量
01-20
　通过使用工具，如选配4215-CVU电容电压单元（CVU）的Keithley 4200A-SCS参数分析仪，用户可以测量各种电容，包括《1 pF的超低电容值。CVU设计有独特的电路，通过 Clarius+ 软件进行控制，支持多种特性和诊断工具
scs.zip_SCS模型
09-20
SCS模型，全称为"基于分类学习的模型系统"，是一种在数据挖掘和机器学习领域广泛应用的算法。这种模型的核心思想是将复杂的数据问题转化为多个简单的分类任务，然后通过组合这些分类器的结果来提高整体预测的准确性...
scanorama:全景拼接单个单元格数据
05-05
Scanorama 概述 Scanorama可以批量校正和整合异质scRNA-seq数据集，这在Brian Hie，Bryan Bryson和Bonnie Berger的论文中进行了描述。 该存储库包含Scanorama源代码以及在论文中重现结果所必需的脚本。 Scanorama旨在用于降噪方法下游的scRNA-seq管道，包括用于插补和高度可变的基因过滤的方法。 然后，可以将Scanorama集成和批次校正的结果用作其他工具的输入，以用于scRNA-seq聚类，可视化和分析。 数据草绘工具还可以极大地加快Scanorama集成，如论文并实现。 API示例用法 Scanorama是。 考虑使用此API以便与Scanpy轻松集成。 另外，在顶部的Scanorama源代码中提供了使用基本Scanorama软件包的参数文档。 这是在Python中使用Scanorama的示例用法： #
阅读文献-胃癌
wish_to_top的博客
01-13 1055
今天先不阅读肺癌的了，先读一篇胃癌的文章。
Monocle3
G2530051386的博客
07-20 6644
monocle3
python：模块的几种安装方式
qq_41999081的博客
04-11 684
1：基于anaconda 可以在anaconda navigator中搜索安装自己需要的模块 2：基于pycharm 可以在设置编辑器中安装模块 3：终端 如果安装anaconada了可以进行在线安装 也可以离线安装 如果安装过程中显示python pip on Windows - command 'cl.exe' failed，可以打开 "C:\Pr...
利用Scanorama高效整合异质单细胞转录组
白景屹的博客
06-23 1787
整合来自多个实验、实验室和不同技术的 single-cell RNA sequencing（scRNA-seq）数据可以揭示更丰富的生物学问题，但目前的scRNA-seq数据整合方法受到数据集来自功能相似细胞的要求的限制。我们提出了Scanorama算法，该算法可以识别和合并所有数据集对之间的共享细胞类型，并准确地集成scRNA-seq数据的异构集合。我们应用Scanorama整合和消除了来自代表9种不同技术的26个不同scRNA-seq实验的105,476个细胞的批次效应。Scanorama对同一细胞谱系
使用ArchR分析单细胞ATAC-seq数据(第二章)
xuzhougeng blog
07-20 1584
本文免费阅读地址: http://xuzhougeng.top/archives/analysis-sc-atac-seq-with-archr-chapter2 第2章: 使用ArchR推断Doublet 单细胞数据分析中的一个重要问题就是"doublet"对分析的影响。"doublet"指的是单个液滴(droplet)捕获了一个条形码珠(barcode bead)和多个细胞核。这会导致原本来自...
（三）单细胞数据分析——细胞亚群的表型特征刻画
m0_47675572的博客
05-17 1533
细胞亚群注释，功能相关的分析，以刻画细胞亚群的部分特征
Scanpy(七)基于scanorama整合scRNA-seq实现空间数据分析
白景屹的博客
06-24 2377
本篇内容介绍如何使用多个Visium数据集，以及如何用scRNA-seq数据集进行整合。我们将使用Scanorama来进行整合。首先我们要安装Scanorama： 加载相关框架： 建议先阅读论文阅读笔记-利用Scanorama高效整合异质单细胞转录组我们将使用两个小鼠大脑的Visium空间转录组数据集，该数据集可从10x genomics website获取。函数从10x genomics下载数据集并返回adata对象（包含counts，images和spatial coordinates），我们使用计算
R包：CytoTRACE发生错误：object ‘ffi_standalone_check_number_1.0.7‘ not found
qq_73470973的博客
03-24 310
出现这个问题的原因是R包：rlang版本不是最新，并且我卸载之后重新安装，我在网上查阅了许多相关资料，终于功夫不负有心人，让我解决了这个问题，这时我发现就不会产生报错。
cytotrace安装
09-03
要安装cytotrace，可以使用以下步骤： 1. 首先，使用以下命令安装`pak`库： ``` install.packages("pak") ``` 2. 然后，加载`pak`库： ``` library(pak) ``` 3. 使用`pkg_install`函数来安装cytotrace，根据不同的安装来源，可以使用以下命令之一： - 从CRAN安装： ``` pak::pkg_install("Cytotrace") ``` - 从Bioconductor安装： ``` pak::pkg_install("BiocNeighbors") ``` - 从GitHub安装： ``` pak::pkg_install("sqjin/CellChat") ``` - 从URL安装： ``` pak::pkg_install("url::https://cytotrace.stanford.edu/CytoTRACE_0.3.3.tar.gz") ``` - 本地安装（需要先下载和解压）： ``` # 下载并解压 shell("wget https://cytotrace.stanford.edu/CytoTRACE_0.3.3.tar.gz") shell("tar -xf CytoTRACE_0.3.3.tar.gz") 安装 pak::local_install("CytoTRACE") ``` 4. 如果需要一次安装多个R包，可以使用以下命令： ``` pak::pkg_install(c("BiocNeighbors","ComplexHeatmap","circlize","NMF")) ``` 5. 如果需要删除已安装的cytotrace，可以使用以下命令： ``` pak::pkg_remove("Cytotrace") ``` 综上所述，以上是安装cytotrace的步骤。请根据您的需求选择相应的安装方式。 <span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [SCS【12】单细胞转录组之评估不同单细胞亚群的分化潜能 (Cytotrace)](https://blog.csdn.net/weixin_41368414/article/details/126928866)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [如何优雅地管理R包](https://blog.csdn.net/weixin_44493991/article/details/130161080)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值