【细胞通讯】italk

今天继续分享细胞通讯相关的另一个tool，italk。iTALK这个包的应用比较简单，可以自定义定制的配体-受体数据库。默认数据库分析物种为人，如果我们做的事其他物种，可以匹配人的同源基因或者准备自己的库。本篇将对iTALK的使用做一个详细介绍。

但是招来找去，只能找到预印版的，所以看不到附录和附表的方法部门。所以我们主要以测试为主。

===安装====

iTALK为R包，可通过以下方式安装

devtools::install_github("Coolgenome/iTALK",build_vignettes = TRUE)

=====使用测试=====

测试数据：

为了展示常用的Seurat对象文件作为iTALK的载入数据，把测试数据转换成了seurat对象。

链接:https://pan.baidu.com/s/1qM3pZwI_mXPZT3Cj9etWug 密码:0rvp

library(iTALK)

library(Seurat)

library(Matrix)

library(dplyr)

sdata <- readRDS(file = "Seurat.rds")

# iTALK 要求的矩阵: 行为细胞，列为基因

iTalk_data <- as.data.frame(t(sdata@assays$RNA@counts))

# iTALK 要求包含cell_type列，我的细胞分群存储在seurat_cluster

iTalk_data$cell_type <- sdata@meta.data$seurat_cluster

# iTALK 要求包含compare_group列（多样本），表示每个细胞的生物学分组/样本，我的细胞分组存放在Group

iTalk_data$compare_group <- sdata@meta.data$Group

unique(iTalk_data$cell_type)

unique(iTalk_data$compare_group)

通过所有细胞的高表达基因分析其中包含的配体-受体。

my10colors <- my36colors <-c('#E5D2DD', '#53A85F', '#F1BB72', '#F3B1A0', '#D6E7A3', '#57C3F3', '#476D87', '#E95C59', '#E59CC4', '#AB3282')

highly_exprs_genes <- rawParse(iTalk_data, top_genes=50, stats="mean")

# 通讯类型

comm_list<-c('growth factor','other','cytokine','checkpoint')

cell_types <- unique(iTalk_data$cell_type)

cell_col <- structure(my10colors[1:length(cell_types)], names=cell_types)

iTalk_res <- NULL

for(comm_type in comm_list){

  res_cat <- FindLR(highly_exprs_genes, datatype='mean count', comm_type=comm_type)

  iTalk_res <- rbind(iTalk_res, res_cat)

}

iTalk_res <- iTalk_res[order(iTalk_res$cell_from_mean_exprs*iTalk_res$cell_to_mean_exprs,decreasing=T),][1:20,]        

//画出细胞细胞之间互作的配体-受体数目情况，下图边展示的就是受体-配体互作的数目

NetView(iTalk_res,col=cell_col,vertex.label.cex=1,arrow.width=1,edge.max.width=5)

//下图显示细胞之间详细的配体-受体对

LRPlot(iTalk_res[1:20,],datatype='mean count',cell_col=cell_col,link.arr.lwd=iTalk_res$cell_from_mean_exprs[1:20],link.arr.width=iTalk_res$cell_to_mean_exprs[1:20])

本文使用 文章同步助手 同步