Seurat4.0系列教程4：整合分析

小数据集的整合

scRNA-seq整合简介

对两个或两个以上单细胞数据集的整合分析提出了独特的挑战。特别是，在标准工作流下，识别存在于多个数据集中的基因可能存在问题。Seurat v4 包括一组方法，以匹配（或"对齐"）跨数据集共同的基因。这些方法首先识别处于匹配生物状态的交叉数据集对（"锚点"），既可用于纠正数据集之间的技术差异（即批次效应校正），又可用于对整个实验条件进行比较scRNA-seq分析。

下面，我们演示ScRNA-seq 整合的方法，在ctrl或干扰素刺激状态[1]下对人体免疫细胞 （PBMC） 进行比较分析。

整合目标

以下教程旨在为您概述使用 Seurat 集成程序可能的复杂细胞类型的比较分析。在这里，我们讨论几个关键目标：

• 创建"整合"数据，用于下游分析

• 识别两个数据集中存在的细胞类型

• 获取在对照和刺激细胞中保守的细胞类型标记

• 比较数据集，找到细胞类型对刺激的特定反应

设置seurat对象

为了方便起见，我们通过我们的SeuratData[2]包分发此数据集。

library(S