单细胞Seurat - 数据处理 (2)
本系列持续更新Seurat单细胞分析教程，欢迎关注！## 标准化
从数据集中删除不需要的细胞后，下一步是数据标准化。默认情况下，我们采用全局缩放标准化方法“LogNormalize”，该方法将每个单元格的特征表达测量值标准化为总表达，将其乘以比例因子（默认为 10,000），并对结果进行对数转换。在 Seurat v5 中，标准化值存储在 pbmc[["RNA"]]$data 中。
```R
pbmc <- NormalizeData(pbmc, normalization.method = "LogNormalize", scale.factor = 10000)
```
为了清楚起见，在前面的代码行中，我们为函数调用中的某些参数提供了默认值。
```R
pbmc <- NormalizeData(pbmc)
```
虽然这种标准化方法是标准方法并广泛用于 scRNA-seq 分析，但全局缩放依赖于每个细胞最初包含相同数量的 RNA 分子的假设。我们和其他人已经为单细胞预处理开发了替代工作流程，但不做出这些假设。对于感兴趣的用户，请查看 SCTransform() 标准化工作流程，[论文](https://genomebiology.biomedcentral.com/articles/10.1186/s13059-021-02584-9 "Paper")中描述了该方法。
## 特征选择：识别高度可变的特征
接下来，我们计算数据集中表现出高细胞间差异的特征子集（即它们在某些细胞中高度表达，而在其他细胞中表达较低）。在下游分析中关注这些基因有助于突出单细胞数据集中的生物信号。
默认情况下Seurat每个数据集返回 2,000 个特征。这些将用于下游分析，例如 PCA。
```R
pbmc <- FindVariableFeatures(pbmc, selection.method = "vst", nfeatures = 2000)
# Identify the 10 most highly variable genes
top10 <- head(VariableFeatures(pbmc), 10)
# plot variable features with and without labels
plot1 <- VariableFeaturePlot(pbmc)
plot2 <- LabelPoints(plot = plot1, points = top10, repel = TRUE)
plot1 + plot2
```
## 缩放数据
接下来，我们应用线性变换（“缩放”），这是 PCA 等降维技术之前的标准预处理步骤。 ScaleData() 函数：
- 改变每个基因的表达值，使细胞间的平均表达为 0
- 缩放每个基因的表达，使细胞间的方差为 1
- 此步骤在下游分析中给予同等的权重，因此高表达的基因不会占主导地位
- 结果存储在 pbmc[["RNA"]]$scale.data 中
- 默认情况下，仅缩放可变特征。
- 您可以指定 features 参数来缩放附加功能
```R
all.genes <- rownames(pbmc)
pbmc <- ScaleData(pbmc, features = all.genes)
```
- 如何消除不需要的变异源
在 Seurat 中，使用 ScaleData() 函数从单细胞数据集中删除不需要的变异源。例如，我们可以“回归”与细胞周期阶段或线粒体污染相关的异质性，即：
```R
pbmc <- ScaleData(pbmc, vars.to.regress = "percent.mt")
```
但是，特别是对于想要使用此功能的高级用户，我们强烈建议使用新的规范化工作流程 SCTransform()。与 ScaleData() 一样，函数 SCTransform() 也包含 vars.to.regress 参数。
## 线性降维
接下来我们对缩放后的数据执行 PCA。默认情况下，仅将先前确定的可变特征用作输入，但如果您希望选择不同的子集，则可以使用 features 参数进行定义（如果您确实想使用自定义的特征子集，请确保首先将它们传递给 ScaleData ）。
对于第一个主成分，Seurat 输出具有最大正负载荷的基因列表，代表在数据集中的单细胞之间表现出相关（或反相关）的基因模块。
```R
pbmc <- RunPCA(pbmc, features = VariableFeatures(object = pbmc))
```
Seurat 提供了几种有用的方法来可视化定义 PCA 的单元格和特征，包括 VizDimReduction()、DimPlot() 和 DimHeatmap()
```R
# Examine and visualize PCA results a few different ways
print(pbmc[["pca"]], dims = 1:5, nfeatures = 5)
## PC_ 1
## Positive:CST3, TYROBP, LST1, AIF1, FTL
## Negative:MALAT1, LTB, IL32, IL7R, CD2
## PC_ 2
## Positive:CD79A, MS4A1, TCL1A, HLA-DQA1, HLA-DQB1
## Negative:NKG7, PRF1, CST7, GZMB, GZMA
## PC_ 3
## Positive:HLA-DQA1, CD79A, CD79B, HLA-DQB1, HLA-DPB1
## Negative:PPBP, PF4, SDPR, SPARC, GNG11
## PC_ 4
## Positive:HLA-DQA1, CD79B, CD79A, MS4A1, HLA-DQB1
## Negative:VIM, IL7R, S100A6, IL32, S100A8
## PC_ 5
## Positive:GZMB, NKG7, S100A8, FGFBP2, GNLY
## Negative:LTB, IL7R, CKB, VIM, MS4A7
VizDimLoadings(pbmc, dims = 1:2, reduction = "pca")
```
```R
DimPlot(pbmc, reduction = "pca") + NoLegend()
```
特别是 DimHeatmap() 允许轻松探索数据集中异质性的主要来源，并且在尝试决定包含哪些 PC 进行进一步的下游分析时非常有用。细胞和特征均根据其 PCA 分数进行排序。将细胞设置为数字会在频谱两端绘制“极端”细胞，这会显着加快大型数据集的绘图速度。虽然是一种监督分析，但我们发现这是探索相关特征集的宝贵工具。
```R
DimHeatmap(pbmc, dims = 1, cells = 500, balanced = TRUE)
```
```R
DimHeatmap(pbmc, dims = 1:15, cells = 500, balanced = TRUE)
```
未完待续，持续更新，欢迎关注！
页:
[1]