单细胞测序学习笔记（二）——细胞注释

最新推荐文章于 2025-02-08 23:53:44 发布

咸316

最新推荐文章于 2025-02-08 23:53:44 发布

阅读量1.3w

点赞数 8

文章标签：学习

本文链接：https://blog.csdn.net/weixin_63756017/article/details/123127766

版权

本文介绍了单细胞测序数据的细胞注释过程，包括根据文献和数据库进行细胞鉴别，使用CellMarker进行初步判断，并通过Seurat对象进行聚类。此外，还详细阐述了如何在无法连接ExperimentHub服务器的情况下，利用SingleR的本地数据库进行细胞注释，以及分析注释结果与主观判断的差异。最后，展示了注释结果的热图和DimPlot对比图，提供了一种美化绘图的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.细胞鉴别

在上一步对各类细胞进行featureblot后，可以根据文献或者在线数据库来对细胞进行鉴别。此处我使用的是CellMarker网站。

对照起来进行鉴别，但是有些细胞簇有两个marker，有些细胞簇的marker有重合，所以鉴别这一步具有比较大的主观性，需要结合多个数据库或者文献进行判断。

在完成鉴别后，创建一个新的字符向量保存细胞名称，顺序从0-12一一对应。

以下是我自己的判断结果：

new.cluster.ids <- c("Memory T cell","CD14+ Mono", "CD8 T",
+ "NK", "CD8 T", "B", "B", "undefined", "Cytotoxic T", "NK","DC",
+"Megakaryocyte progenitor cell","CD1C+_B dendritic cell")

接下来，使用names()函数，将pbmc的levels和new.cluster.ids一一对应。

names<- 是通用替换函数。The default methods get and set the "names" attribute of a vector (including a list) or pairlist.用levels中的字符向量设置new.cluster.ids的names属性。

如果levels()比names()短，则会以NA填充names()。

names(new.cluster.ids) <- levels(pbmc)
> new.cluster.ids
                              0                               1                               2 
                "Memory T cell"                    "CD14+ Mono"                         "CD8 T" 
                              3                               4                               5 
                           "NK"                         "CD8 T"                             "B" 
                              6

最低0.47元/天解锁文章