R语言分析单细胞数据Day1——下载Seurat包并进行预处理（一）

2022-01-20 16:05:57 阅读：358 来源： 互联网

Task.1 安装Seurat，准备处理single cell data

安装Seurat时，只能安装3.2.3以下的版本，太高就不兼容！

install.packages('remotes') %安装过可以省略
remotes:: install_version("Seurat", version = "3.2.3")
# 安装不上可以更新R版本或者安装附属包

Task.2 加载Seurat包并导入数据

library(Seurat)
# 这里可以设置你的路径，三个文件（mtx数据、行名和列名）都需要加载
# 所使用的数据暂时不公开了，GEO数据库有很多
Day0_RAW <- ReadMtx( mtx = "matrix.mtx", features = "features.tsv",cells = "barcodes.tsv")

Task.3 创建Seurat格式项目

Seurat_Day0 <- CreateSeuratObject(counts = Day0_RAW,min.cells = 3,min.genes = 200)
# 初步过滤：>=3个细胞中表达的基因(min.cells = 3），>=200个基因的细胞(min.genes = 200)。可任意设置。

创建的项目：33539 features across 22609 samples within 1 assay
Task.4 质控

Seurat_Day0[["percent.mt"]] <- PercentageFeatureSet(Seurat_Day0, pattern = "^MT-")
# 这个命令是计算基因含量，这里MT是线粒体的意思（我认为可理解为每个细胞）
VlnPlot(Seurat_Day0, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)
# 可视化一下

（这张图我也只理解一点）
网友有说是根据第三个图片，线粒体基因含量占比25%以下的细胞才保留，这里先空着
接下来可视化RNA-基因含量，RNA-feature

plot1 <- FeatureScatter(Seurat_Day0, feature1 = "nCount_RNA", feature2 = "percent.mt")
plot2 <- FeatureScatter(Seurat_Day0, feature1 = "nCount_RNA", feature2 = "nFeature_RNA")
plot1 + plot2
# 这个可视化感觉要更好看一些

质控2
上面两个可视化是为了根据内容确定筛选的细胞数目和基因数目。下面代码才是最重要的质控代码

#过滤具有超过 8000 或少于 200 个独特特征的细胞，过滤>25%的线粒体（线粒体不清楚为何过滤）
Seurat_Day0_fit <- subset(Seurat_Day0, subset = nFeature_RNA > 200 & nFeature_RNA < 8000 & percent.mt < 25)

质控后的项目：33539 features across 22433 samples within 1 assay （删除了部分低表达的细胞）

Task.5 标准化
对每个细胞的表达量进行归一化（常用“LogNormalize”），将其乘以比例因子（默认为 10,000），并对结果进行对数转换（这个是必须的）

Seurat_Day0_fit_norm <- NormalizeData(Seurat_Day0_fit , normalization.method = "LogNormalize", scale.factor = 10000)
#这些参数都是默认值，可以不写

至此，数据预处理结束，接下来是降维、聚类等分析。

标签：200,Seurat,基因,细胞,Day1,Day0,包并,安装
来源： https://blog.csdn.net/qq_41728601/article/details/122594674

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

R语言分析单细胞数据Day1——下载Seurat包并进行预处理（一）