在单细胞数据分析中，比较棘手的一件事莫过于细胞类型的鉴定了：虽然细胞可以用聚类算法聚成好几类，每个类型的细胞是什么呢?这就考验技术了。其实我们介绍过好几种细胞类型鉴定的方法了：
- 单细胞数据挖掘||Garnett :基于监督学习的细胞注释算法
- 10X 单细胞细胞类型手动定义||Identifying Cell Types with Loupe Cell Browser
- CHETAH: sc-RNA-seq 细胞类型定义工具
- SingleR || 单细胞细胞类型定义工具
- sc-RNA-seq Key issues guide ||重新理解细胞类型
- celaref ||单细胞细胞类型定义工具
- single cell marker 基因数据库
- SuperCT: sc-RNA-seq 单细胞细胞类型定义在线工具
- cellassign：基于Tensorfiow 框架的sc-RNA细胞类型鉴定方法
- sc-Review||Best Practices:聚类与细胞鉴定
今天在读clusterProfiler 的文档的时候，突然发现，这个也可以用来做细胞类型的鉴定啊。我们拿每个cluster的差异基因（或者marker基因）来与cellMark数据库里的基因做富集分析不就可以看出某一亚群富集到那种细胞类型中了吗？！
首先请出我们熟悉的数据集pbmc，并计算Cluster 1 的差异基因：
library(Seurat)
pbmc<-readRDS("G:\\Desktop\\Desktop\\Novo周运来\\SingleCell\\scrna_tools\\pbmc3k_final.rds") # 已经分过群了的
marker<-FindMarkers(pbmc,group.by ="seurat_clusters",ident.1 = 1,logfc.threshold = 0.5, min.pct = 0.5)
head(marker)
p_val avg_logFC pct.1 pct.2 p_val_adj
S100A9 0.000000e+00 3.860873 0.996 0.215 0.000000e+00
S100A8 0.000000e+00 3.796640 0.975 0.121 0.000000e+00
LGALS2 0.000000e+00 2.634294 0.908 0.059 0.000000e+00
FCN1 0.000000e+00 2.352693 0.952 0.151 0.000000e+00
CD14 2.856582e-294 1.951644 0.667 0.028 3.917516e-290
TYROBP 3.190467e-284 2.111879 0.994 0.265 4.375406e-280
大家看到这些基因不是ENTREZID ，所以我用clusterProfiler的bitr函数转化一下：
library("clusterProfiler")
library(org.Hs.eg.db)
gene.df <- bitr(rownames(marker), fromType = "SYMBOL", #fromType是指你的数据ID类型是属于哪一类的 ENTREZID
toType = c("ENSEMBL", "ENTREZID"), #toType是指你要转换成哪种ID类型，可以写多种，也可以只写一种
OrgDb =org.Hs.eg.db )
head(gene.df)
SYMBOL ENSEMBL ENTREZID
1 S100A9 ENSG00000163220 6280
2 S100A8 ENSG00000143546 6279
3 LGALS2 ENSG00000100079 3957
4 FCN1 ENSG00000085265 2219
5 CD14 ENSG00000170458 929
6 TYROBP ENSG00000011600 7305
接下来我加载cellmarker的数据：
cell_markers <- vroom::vroom('http://bio-bigdata.hrbmu.edu.cn/CellMarker/download/Human_cell_markers.txt') %>%
tidyr::unite("cellMarker", tissueType, cancerType, cellName, sep=", ") %>%
dplyr::select(cellMarker, geneID) %>%
dplyr::mutate(geneID = strsplit(geneID, ', '))
cell_markers
cellMarker geneID
<chr> <list>
1 Kidney, Normal, Proximal tubular cell <chr [1]>
2 Liver, Normal, Ito cell (hepatic stellate cell) <chr [1]>
3 Endometrium, Normal, Trophoblast cell <chr [1]>
4 Germ, Normal, Primordial germ cell <chr [1]>
5 Corneal epithelium, Normal, Epithelial cell <chr [1]>
6 Placenta, Normal, Cytotrophoblast <chr [1]>
7 Periosteum, Normal, Periosteum-derived progenitor cell <chr [4]>
8 Amniotic membrane, Normal, Amnion epithelial cell <chr [2]>
9 Primitive streak, Normal, Primitive streak cell <chr [2]>
10 Adipose tissue, Normal, Stromal vascular fraction cell <chr [1]>
# ... with 2,858 more rows
最关键的一步来了，做富集：
y <- enricher(gene.df$ENTREZID, TERM2GENE=cell_markers, minGSSize=1)
DT::datatable(as.data.frame(y))
看到了吗？Cluster 1的差异基因与cellmarker的富集结果出来啦。我们可以根据我们的组织样本类型以及富集结果的指标来进一步判断该群的细胞类型。
当然，细胞类型鉴定需要结合具体的生物学意义以及大量的背景知识，clusterProfiler只是一个工具，其实关于富集我们可以做很多工作，想象力可以改变世界。
网友评论