大橙子网站建设,新征程启航

为企业提供网站建设、域名注册、服务器等服务

怎么使用scater包对单细胞转录组数据进行降维分析

这篇文章将为大家详细讲解有关怎么使用scater包对单细胞转录组数据进行降维分析,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。

创新互联是一家专注于成都网站建设、成都做网站与策划设计,平邑网站建设哪家好?创新互联做网站,专注于网站建设10余年,网设计领域的专业建站公司;建站业务涵盖:平邑等地区。平邑做网站价格咨询:028-86922220

对于单细胞转录组的数据,常用的降维方法有以下3种

  1. PCA

  2. t-SNE

  3. Difffusion map

通过scater这个R包,可以方便的进行降维分析,安装方式如下

BiocManager::install("scater", version = "3.8")

具体的操作步骤如下

1. 构建SingleCellExperiment对象

对于单细胞的数据,专门制定了一个名为SingleCellExperiment的类,用来存储相关数据。

我们首先要做的就将相关数据导入到R中,只需要下两种数据即可,第一种是基因的表达量数据,每一行代表一个基因,每一列代表一个细胞,示意如下

怎么使用scater包对单细胞转录组数据进行降维分析

第二种是细胞的相关信息,可以是细胞的名字,采样时间,来源组织,处理条件等metadata, 每一行是一个细胞,每一列是一种属性,示意如下

怎么使用scater包对单细胞转录组数据进行降维分析

通过这两种数据,就可以构建出一个SingleCellExperiment对象,代码如下

sce <- SingleCellExperiment(
  assays = list(counts = sc_example_counts),
  colData = sc_example_cell_info
)
# 归一化
sce <- normalize(sce)

注意必须要进行归一化操作。

2. PCA

PCA是应用的最广泛的降维方法,在scater中,通过一下方式可以快速的得到PCA降维后的结果,代码如下

plotPCA(sce)

生成的图片如下

怎么使用scater包对单细胞转录组数据进行降维分析

2. t-SNE

t-SNE降维算法的代码如下

set.seed(1000)
sce <- runTSNE(
  sce,
  perplexity = 10,
  use_dimred = "PCA",
  n_dimred = 10)
# 画图
plotTSNE(sce, colour_by="Treatment")

生成的图片如下

怎么使用scater包对单细胞转录组数据进行降维分析

本质上是通过调用Rtsne这个包来进行t-SNE降维分析。

3. Diffusion Map

Diffusion Map简称DM降维算法,代码如下

sce <- runDiffusionMap(sce)
plotDiffusionMap(sce)

生成的图片如下

怎么使用scater包对单细胞转录组数据进行降维分析

本质上是通过调用destiny这个包来进行降维分析。

scater这个R包不仅提供了各种降维分析的算法,还提供了数据QC, 基因表达量可视化等功能。

关于怎么使用scater包对单细胞转录组数据进行降维分析就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。


文章标题:怎么使用scater包对单细胞转录组数据进行降维分析
网站链接:http://dzwzjz.com/article/pipdej.html
在线咨询
服务热线
服务热线:028-86922220
TOP