CytoTRACE2单细胞分化潜力预测工具学习

最新推荐文章于 2024-09-26 23:15:09 发布

凑齐六个字吧

最新推荐文章于 2024-09-26 23:15:09 发布

阅读量299

点赞数 3

分类专栏：单细胞文章标签：数据分析

本文链接：https://blog.csdn.net/zfyyzhys/article/details/142323364

版权

单细胞专栏收录该内容

24 篇文章 1 订阅

订阅专栏

开发者在github中把关键点介绍的很清楚了。

1、根据细胞的分化潜能对细胞进行分类：

totipotent(多谱系分化的全能)—pluripotent(多谱系分化的多能)—multipotent(谱系限制分化的多能)—oligopoten(谱系限制分化的寡能)—unipotent(谱系限制分化的单能)—differentiated(分化)

2、预测的效价分数提供了对发育潜力的范围：从 0(differentiated）到 1（totipotent）。

3、该框架是基于31个人类和小鼠 scRNA-seq 数据集，涵盖 28 种组织类型的先验知识所构建的工具。

研究者在发表的文章说也提了几点缺陷，其中有两点需要关注一下。

1、需过滤低质量数据，当然一般情况下大家都是没问题的。

2、目前建议该工具仅使用在老鼠和人，其他物种需要谨慎使用。

同时我认为使用者也应结合自己数据的实际情况进行判断，在已经明确不同细胞系的分化先后顺序时可以不使用该工具。

步骤流程

1、导入

rm(list=ls())
library(tidyverse)
library(CytoTRACE2) 
library(Seurat)
library(paletteer)
library(BiocParallel)
register(MulticoreParam(workers = 4, progressbar = TRUE))

load("scRNA.Rdata")
sub_dat <- subset(scRNA, subset = celltype %in% c("CD8+ T-cells", "CD4+ T-cells"))

2、提取数据/运行CytoTRACE2

# 提取表达矩阵信息
expression_data <- GetAssayData(sub_dat,layer = "counts")

# 运行CytoTRACE2
cytotrace2_result <- cytotrace2(expression_data,species = 'human')

# 提取注释信息
annotation <- data.frame(phenotype = sub_dat@meta.data$celltype) %>% 
  set_rownames(., colnames(sub_dat))

# 使用plotData函数生成预测和表型关联图
plots <- plotData(cytotrace2_result = cytotrace2_result, 
                  annotation = annotation,
                  expression_data = expression_data
)
# 导出图片
plots$CytoTRACE2_UMAP
plots$CytoTRACE2_Potency_UMAP
plots$CytoTRACE2_Relative_UMAP
plots$Phenotype_UMAP
plots$CytoTRACE2_Boxplot_byPheno

Phenotype_UMAP 重新对细胞群进行了降维，把表型映射在了图上。可以看到左边主要是CD8+T细胞，右边主要是CD4+T细胞。

CytoTRACE2_UMAP展示了不同细胞的预测打分，按照颜色进行了划分。越是红色越靠近全谱系的分化状态，而越是接近蓝色则靠近已经分化完成的状态。这与上面的Phenotype_UMAP图结果是基本符合的，CD8+T细胞是目前已经认识明确(相对地)的一种功能性T细胞，而这里的CD4+T细胞有很多不同功能/阶段的亚群。