type
status
date
slug
summary
tags
category
icon
password
Seurat 是一个用于scRNA-seq数据分析的细胞数据质控、聚类、亚群鉴定和差异表达基因分析的R包。最初由纽约大学Rafael A.Irizarry和Satija等人于2015年开发。2024年5月发布了最新的5.1.0版本。本文章基于官方教程和相关说明进行单细胞数据分析的演示，以方便快速解析单细胞数据分析的参数和具体流程。

🧚 官方教程及参考资料

Analysis, visualization, and integration of Visium HD spatial datasets with Seurat
Seurat
Analysis, visualization, and integration of Visium HD spatial datasets with Seurat
https://satijalab.org/seurat/articles/pbmc3k_tutorial
单细胞转录组 | 多样本处理与Harmony整合-腾讯云开发者社区-腾讯云
上期推文单细胞转录组 | 多样本处理与锚定法整合介绍了使用锚定法进行多个样本整合，本期我们来介绍另一个多样本整合的主流方法：Harmony。
单细胞转录组 | 多样本处理与Harmony整合-腾讯云开发者社区-腾讯云
https://cloud.tencent.com/developer/article/2195816
单细胞转录组 | 多样本处理与Harmony整合-腾讯云开发者社区-腾讯云

1.加载相应R包

 

2.批量读取文件并创建Seurat对象

2.1 标准格式的10x数据

notion image
 
barcodes.tsv.gz
39.4KB
features.tsv.gz
297.6KB
matrix.mtx.gz
29733.7KB

2.2 稀疏矩阵格式数据

notion image
min.features:对细胞进行过滤；表达min.featuers个基因的细胞将得到保留；
min.cells:对基因进行过滤；表达min.cells个基因的细胞将得到保留；
 

3.批量计算线粒体和红细胞比例

object：Seurat对象；
pattern：用于匹配特征的正则表达式模式;
features：已定义的基因集，如果提供了pattern，将忽略该模式匹配。
计算后的线粒体和红细胞数据储存在"meta.data"中。
notion image
 

4.批量过滤细胞

“一般默认线粒体含量至少要小于20%，红细胞的数目要至少小于5%”；
过滤调整为较严格：
nFeature_RNA：每个细胞检测表达的基因数目大于300，小于7000；
nCount_RNA:每个细胞测序的UMI count含量大于1000，且剔除最大的前3%的细胞；
mt_percent:每个细胞的线粒体基因表达量占总体基因的比例小于10%；
HB_percent：每个细胞红细胞基因表达量占总体基因的比例小于3%。
 

5.合并Seurat对象

 

6.筛选高变基因与降维处理

数据归一化结果在下图红框"data"中，高变基因储存在黄框"var.features"中，PCA降维后的数据储存在蓝框“pca ”中。
notion image
 

7. 基于Harmony算法的数据整合

算法原理：Fast, sensitive, and flexible integration of single cell data with Harmony | bioRxiv
Harmony矫正结果：
notion image
 

8. 聚类

💁‍♂️后续都是基于Harmony矫正之后的数据，不是基因表达数据和直接的PCA降维数据。设置reduction = 'harmony'，后续分析是基于Harmony矫正之后的数据。
 

9. UMAP/TSNE降维

notion image
 

10.保存单细胞降维后数据

SessionInfo

 
 
三代测序数据SV鉴定——cuteSV【毕业随想】-“太阳照常升起”
Loading...