美文网首页
SingleR如何使用自定义的参考集

SingleR如何使用自定义的参考集

作者: TOP生物信息 | 来源:发表于2021-10-23 20:33 被阅读0次

    在我之前的帖子单细胞分析实录(7): 差异表达分析/细胞类型注释里面,我已经介绍了如何使用SingleR给单细胞数据做注释,当时只讲了SingleR配套的参考集。这次就讲讲如何使用自己定义/找到的基因集做注释,使用场景还是比较多的,比如想根据某篇论文里面的注释结果,给自己的数据做注释。本文配套的视频讲解已上传到B站,新手UP: TOP菌。gongzhong号后台回复20211023可获取本文所用到的示例数据和代码。

    本次演示用到的数据集来自2020年发表在Nature Genetics的一篇结直肠癌研究。文中用到了韩国患者(SMC)和比利时患者(KUL3)两套数据集,两套数据平行分析,相互印证。

    我以里面的髓系细胞为例,用KUL3数据集中的髓系细胞为参考,来注释SMC里面的髓系细胞

    两套数据集中髓系细胞部分的数据,已经跑完Seurat标准流程并整理成rds文件:SMC_mye.rdsKUL3_mye.rds。代码存放在0.R中,这里就不展示了,很简单。代码中fread()用于快速读取4G矩阵文件是可以学习的地方。

    mat=fread("GSE132465_GEO_processed_CRC_10X_raw_UMI_count_matrix.txt",select = c("Index",SMC.mye.anno$Index))
    

    之后就是创建参考集,被存储为SummarizedExperiment对象

    library(Seurat)
    library(tidyverse)
    library(SummarizedExperiment)
    library(scuttle)
    
    KUL3_mye=readRDS("KUL3_mye.rds")
    

    属性数据框中主要用到cell index和cell annotation这两个信息,此外还需导入表达矩阵

    KUL3_mye_count=KUL3_mye[["RNA"]]@counts
    
    pdata=KUL3_mye@meta.data[,c("Index","Cell_subtype")]
    rownames(pdata)=pdata$Index
    pdata$Index=NULL
    colnames(pdata)="ref_label"
    
    KUL3_mye_SE <- SummarizedExperiment(assays=list(counts=KUL3_mye_count),colData = pdata) 
    #创建SummarizedExperiment对象
    
    KUL3_mye_SE <- logNormCounts(KUL3_mye_SE) 
    #Compute log-transformed normalized expression values,要有这一行,对于单细胞数据normalize之后会再算一个log
    saveRDS(KUL3_mye_SE,"KUL3_mye_SE.ref.rds")
    

    log normalize之后就多了一个logcounts的assay,singleR的官网示例都是基于logcounts这种数据

    将这个参考对象保存为rds文件,方便以后多次调用

    现在导入我们的待注释数据集和参考数据集

    library(tidyverse)
    library(Seurat)
    library(SingleR)
    library(scuttle)
    library(SummarizedExperiment)
    
    KUL3_mye_SE=readRDS("KUL3_mye_SE.ref.rds")
    SMC_mye=readRDS("SMC_mye.rds")
    SMC_mye_count=SMC_mye[["RNA"]]@counts
    
    #需要取不同数据集的基因交集
    common_gene <- intersect(rownames(SMC_mye_count), rownames(KUL3_mye_SE))
    KUL3_mye_SE <- KUL3_mye_SE[common_gene,]
    SMC_mye_count <- SMC_mye_count[common_gene,]
    
    #也要创建SummarizedExperiment对象,以及log normalize
    SMC_mye_SE <- SummarizedExperiment(assays=list(counts=SMC_mye_count))
    SMC_mye_SE <- logNormCounts(SMC_mye_SE)
    
    #注释代码
    singleR_res <- SingleR(test = SMC_mye_SE, ref = KUL3_mye_SE, labels = KUL3_mye_SE$ref_label)
    #导出注释结果
    anno_df <- as.data.frame(singleR_res$labels)
    anno_df$Index <- rownames(singleR_res)
    colnames(anno_df)[1] <- 'ref_label_from_KUL3'
    
    #将注释信息添加到Seurat对象
    SMC_mye@meta.data=SMC_mye@meta.data%>%inner_join(anno_df,by="Index")
    rownames(SMC_mye@meta.data)=SMC_mye@meta.data$Index
    DimPlot(SMC_mye, reduction = "tsne", group.by = "Cell_subtype", pt.size=2)+
    DimPlot(SMC_mye, reduction = "tsne", group.by = "ref_label_from_KUL3", pt.size=2)
    

    左图是原文给的注释,右图是依据KUL3来注释SMC数据集,可以看出还是有一些不一致的。

    像这种依据某个参考集来做注释,对参考集质量要求很高,原文KUL3只有两千髓系细胞,考虑到10X单细胞数据的稀疏性,这个数量是不够的。也可能是软件的限制,在做小类注释时,类与类之间的表达特征其实是比较相似的,软件不一定能精确给出合适的label,相比之下,软件做大类注释一般比较准。

    因水平有限,有错误的地方,欢迎批评指正!

    相关文章

      网友评论

          本文标题:SingleR如何使用自定义的参考集

          本文链接:https://www.haomeiwen.com/subject/jsdlaltx.html