單細胞轉(zhuǎn)錄組學(xué)習(xí)筆記-11-生物學(xué)背景知識之細胞周期推斷

劉小澤寫于19.7.9-第二單元第九講:生物學(xué)背景知識之細胞周期推斷
筆記目的:根據(jù)生信技能樹的單細胞轉(zhuǎn)錄組課程探索smart-seq2技術(shù)相關(guān)的分析技術(shù)
課程鏈接在:http://jm.grazy.cn/index/mulitcourse/detail.html?cid=53

前言

上一次說到通過PAM50基因進行乳腺癌分型,利用的就是自己的表達矩陣和PAM50基因比較丛肮,看表達量變化進行分類绰播。細胞周期分類和PAM50類似隘弊,也是利用基因來推斷G择诈、S颖医、M期(https://en.wikipedia.org/wiki/Cell_cycle)

Scran包使用

依然第一步是加載矩陣
rm(list = ls()) 
options(stringsAsFactors = F)
load(file = '../input.Rdata')
a[1:4,1:4]
head(df) 

# 放入分群备籽、樣本批次信息
group_list=df$g
plate=df$plate
table(plate)
然后創(chuàng)建sce對象
library(scran)
sce <- SingleCellExperiment(list(counts=dat))
> sce
class: SingleCellExperiment 
dim: 12198 768 
metadata(0):
assays(1): counts
rownames(12198): 0610007P14Rik 0610009B22Rik ... ERCC-00170
  ERCC-00171
rowData names(0):
colnames(768): SS2_15_0048_A3 SS2_15_0048_A6 ... SS2_15_0049_P22
  SS2_15_0049_P24
colData names(0):
reducedDimNames(0):
spikeNames(0):
主要使用cyclone函數(shù)

cyclone函數(shù)主要需要三個元素:一個是sce單細胞對象,一個是pairs參數(shù)钢属,還有就是gene.names參數(shù)徘熔。第一個已準備好,第二個參數(shù)的意思可以看幫助文檔

# scran包安裝好后淆党,會在exdata文件夾中找到附件文件
library(org.Mm.eg.db)
# syste,.file會列出文件所在的路徑酷师,下圖就是exdata文件夾下的文件,看到除了小鼠還有人的相關(guān)的RDS數(shù)據(jù)染乌。這個RDS其實和平成娇祝看到的Rdata差不多,只不過Rdata是針對多個對象荷憋,Rds是針對一個對象進行存儲和讀取
mm.pairs <- readRDS(system.file("exdata", "mouse_cycle_markers.rds", 
                                package="scran"))

然后是第三個參數(shù):gene.names台颠,cyclone函數(shù)需要使用ensembl基因名

# 將symbol轉(zhuǎn)為ensembl基因
ensembl <- mapIds(org.Mm.eg.db, keys=rownames(sce), 
                  keytype="SYMBOL", column="ENSEMBL")
> head(ensembl)
       0610007P14Rik        0610009B22Rik        0610009L18Rik 
                  NA "ENSMUSG00000007777" "ENSMUSG00000043644" 
       0610009O20Rik        0610010F05Rik        0610010K14Rik 
                  NA "ENSMUSG00000042208" "ENSMUSG00000020831" 

三者齊全,可以進行細胞周期計算:

system.time(assigned <- cyclone(sce, pairs=mm.pairs, gene.names=ensembl))
# 這一過程會比較慢勒庄,用system.time計算一下時間看看串前,大約一分半
#  user  system elapsed 
# 96.229   0.767 104.666 
save(assigned,file = 'cell_cycle_assigned.Rdata')
> str(assigned) # 包含了phases瘫里、scores、normalized.scores三個元素
List of 3
 $ phases           : chr [1:768] "G1" "G1" "G1" "G1" ...
 $ scores           :'data.frame':  768 obs. of  3 variables:
  ..$ G1 : num [1:768] 1 0.997 0.997 1 1 1 1 0.937 1 1 ...
  ..$ S  : num [1:768] 0.119 0.002 0.039 0.011 0.395 0.009 0.011 0.008 0.04 0.013 ...
  ..$ G2M: num [1:768] 0.004 0.01 0.02 0.002 0 0 0.02 0.126 0 0.023 ...
 $ normalized.scores:'data.frame':  768 obs. of  3 variables:
  ..$ G1 : num [1:768] 0.89 0.988 0.944 0.987 0.717 ...
  ..$ S  : num [1:768] 0.10597 0.00198 0.03693 0.01086 0.28315 ...
  ..$ G2M: num [1:768] 0.00356 0.00991 0.01894 0.00197 0 ...

下面就根據(jù)assigned進行操作

> head(assigned$scores)
     G1     S   G2M
1 1.000 0.119 0.004
2 0.997 0.002 0.010
3 0.997 0.039 0.020
4 1.000 0.011 0.002
5 1.000 0.395 0.000
6 1.000 0.009 0.000
> table(assigned$phases)

 G1 G2M   S 
723  34  11 

# 作圖(利用score和phases這兩個元素)
draw=cbind(assigned$score,assigned$phases) 
attach(draw) #attach的目的就是現(xiàn)在加載酪呻,之后直接引用即可
library(scatterplot3d)
scatterplot3d(G1, S, G2M, angle=20,
              color = rainbow(3)[as.numeric(as.factor(assigned$phases))],
              grid=TRUE, box=FALSE)
detach(draw) 

還能做個熱圖(就是在anno_col上不斷加內(nèi)容即可)

library(pheatmap)
# 取差異前100基因
cg=names(tail(sort(apply(dat,1,sd)),100))
# 矩陣歸一化
n=t(scale(t(dat[cg,])))
# 原來的樣本注釋信息 df中包含了 g减宣、plate  盐须、n_g玩荠、all信息,現(xiàn)在新增phases信息
df$cellcycle=assigned$phases 
ac=df
rownames(ac)=colnames(n)
pheatmap(n,show_colnames =F,show_rownames = F,
         annotation_col=ac)
dev.off()
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末贼邓,一起剝皮案震驚了整個濱河市阶冈,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌塑径,老刑警劉巖女坑,帶你破解...
    沈念sama閱讀 217,185評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異统舀,居然都是意外死亡匆骗,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,652評論 3 393
  • 文/潘曉璐 我一進店門誉简,熙熙樓的掌柜王于貴愁眉苦臉地迎上來碉就,“玉大人,你說我怎么就攤上這事闷串∥驮浚” “怎么了?”我有些...
    開封第一講書人閱讀 163,524評論 0 353
  • 文/不壞的土叔 我叫張陵烹吵,是天一觀的道長碉熄。 經(jīng)常有香客問我,道長肋拔,這世上最難降的妖魔是什么锈津? 我笑而不...
    開封第一講書人閱讀 58,339評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮凉蜂,結(jié)果婚禮上琼梆,老公的妹妹穿的比我還像新娘。我一直安慰自己跃惫,他們只是感情好叮叹,可當我...
    茶點故事閱讀 67,387評論 6 391
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著爆存,像睡著了一般蛉顽。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上先较,一...
    開封第一講書人閱讀 51,287評論 1 301
  • 那天携冤,我揣著相機與錄音悼粮,去河邊找鬼。 笑死曾棕,一個胖子當著我的面吹牛扣猫,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播翘地,決...
    沈念sama閱讀 40,130評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼申尤,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了衙耕?” 一聲冷哼從身側(cè)響起昧穿,我...
    開封第一講書人閱讀 38,985評論 0 275
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎橙喘,沒想到半個月后时鸵,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,420評論 1 313
  • 正文 獨居荒郊野嶺守林人離奇死亡厅瞎,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,617評論 3 334
  • 正文 我和宋清朗相戀三年饰潜,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片和簸。...
    茶點故事閱讀 39,779評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡彭雾,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出比搭,到底是詐尸還是另有隱情冠跷,我是刑警寧澤,帶...
    沈念sama閱讀 35,477評論 5 345
  • 正文 年R本政府宣布身诺,位于F島的核電站蜜托,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏霉赡。R本人自食惡果不足惜橄务,卻給世界環(huán)境...
    茶點故事閱讀 41,088評論 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望穴亏。 院中可真熱鬧蜂挪,春花似錦、人聲如沸嗓化。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,716評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽刺覆。三九已至严肪,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背驳糯。 一陣腳步聲響...
    開封第一講書人閱讀 32,857評論 1 269
  • 我被黑心中介騙來泰國打工篇梭, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人酝枢。 一個月前我還...
    沈念sama閱讀 47,876評論 2 370
  • 正文 我出身青樓恬偷,卻偏偏與公主長得像,于是被迫代替她去往敵國和親帘睦。 傳聞我的和親對象是個殘疾皇子袍患,可洞房花燭夜當晚...
    茶點故事閱讀 44,700評論 2 354

推薦閱讀更多精彩內(nèi)容