細(xì)胞通訊-iTALK使用方法

作者:ahworld
鏈接細(xì)胞通訊-iTALK使用方法
來源:微信公眾號-seqyuan
著作權(quán)歸作者所有,任何形式的轉(zhuǎn)載都請聯(lián)系作者励翼。

什么是細(xì)胞通訊归薛?

多細(xì)胞生物由不同類型的細(xì)胞組成轰坊,單個細(xì)胞之間的行為協(xié)調(diào)需要建立通訊網(wǎng)絡(luò)冀宴。例如生物體的生長發(fā)育、分化危队、各種組織器官的形成聪建、維持以及各種生理活動的協(xié)調(diào),都需要高效和高精度的細(xì)胞通訊機(jī)制茫陆。

信號轉(zhuǎn)導(dǎo)(signal transduction)強(qiáng)調(diào)信號的接收與接收后信號轉(zhuǎn)換的方式和結(jié)果金麸,包括配體與受體結(jié)合、第二信使的產(chǎn)生及其后的級聯(lián)反應(yīng)等簿盅,即信號的識別挥下、轉(zhuǎn)移與轉(zhuǎn)換。

單細(xì)胞轉(zhuǎn)錄組分析中的細(xì)胞通訊分析主要指的就是:
通過比較不同樣品組的細(xì)胞在各細(xì)胞類型之間的配體與受體基因表達(dá)差異

單細(xì)胞“配體-受體”分析工具

1. CellPhoneDB

iTALK_1.png

CellPhoneDB包含一個配體-受體數(shù)據(jù)庫挪鹏,考慮了配體和受體的亞基結(jié)構(gòu)见秽,能夠準(zhǔn)確地表示異質(zhì)復(fù)合體愉烙。

可在線提交基因列表分析讨盒,CellPhoneDB會返回提交的基因列表中的配體-受體基因配對。

2. celltalker

celltalker我們在《舉一反三 | 總結(jié)單細(xì)胞文章分析框架及軟件》中有提到步责。

3. iTALK

iTALK這個包的應(yīng)用比較簡單返顺,可以自定義定制的配體-受體數(shù)據(jù)庫。默認(rèn)數(shù)據(jù)庫分析物種為人蔓肯,如果我們做的事其他物種遂鹊,可以匹配人的同源基因。本篇將對iTALK的使用做一個詳細(xì)介紹蔗包。

iTALK的使用方法

iTALK為R包秉扑,可通過以下方式安裝

devtools::install_github("Coolgenome/iTALK", build_vignettes = TRUE)

數(shù)據(jù)讀入

我們以Seurat的對象文件為例展示iTALK的數(shù)據(jù)載入

library(iTALK)
library(Seurat)
library(Matrix)
library(dplyr)

sdata <- readRDS(file = "~/Desktop/Seurat.rds")
# iTALK 要求的矩陣: 行為細(xì)胞,列為基因
iTalk_data <- as.data.frame(t(sdata@assays$RNA@counts))
# iTALK 要求包含cell_type列,我的細(xì)胞分群存儲在seurat_cluster
iTalk_data$cell_type <- sdata@meta.data$seurat_cluster
# iTALK 要求包含compare_group列(多樣本)舟陆,表示每個細(xì)胞的生物學(xué)分組/樣本误澳,我的細(xì)胞分組存放在Group
iTalk_data$compare_group <- sdata@meta.data$Group

unique(iTalk_data$cell_type)
# "cd56_nk" "cd14_monocytes" "b_cells" "cytotoxic_t" "regulatory_t" "memory_t" "naive_t"
unique(iTalk_data$compare_group)
# "group1" "group2" "group3"

配體-受體概覽

通過所有細(xì)胞的高表達(dá)基因分析其中包含的配體-受體

my10colors <- my36colors <-c('#E5D2DD', '#53A85F', '#F1BB72', '#F3B1A0', '#D6E7A3', '#57C3F3', '#476D87', '#E95C59', '#E59CC4', '#AB3282')

highly_exprs_genes <- rawParse(iTalk_data, top_genes=50, stats="mean")
# 通訊類型
comm_list<-c('growth factor','other','cytokine','checkpoint')
cell_types <- unique(iTalk_data$cell_type)
cell_col <- structure(my10colors[1:length(cell_types)], names=cell_types)

iTalk_res <- NULL
for(comm_type in comm_list){
  res_cat <- FindLR(highly_exprs_genes, datatype='mean count', comm_type=comm_type)
  iTalk_res <- rbind(iTalk_res, res_cat)
}

iTalk_res <- iTalk_res[order(iTalk_res$cell_from_mean_exprs*iTalk_res$cell_to_mean_exprs,decreasing=T),][1:20,]        
NetView(iTalk_res,col=cell_col,vertex.label.cex=1,arrow.width=1,edge.max.width=5)
iTALK_2.png
LRPlot(iTalk_res[1:20,],datatype='mean count',cell_col=cell_col,link.arr.lwd=iTalk_res$cell_from_mean_exprs[1:20],link.arr.width=iTalk_res$cell_to_mean_exprs[1:20])
image

樣本組之間的差異基因相關(guān)的配體-受體

deg_t<-DEG(iTalk_data %>% filter(cell_type=='regulatory_t'),method='DESeq2',contrast=c('group1', 'group2'))
deg_nk<-DEG(iTalk_data %>% filter(cell_type=='cd56_nk'),method='DESeq2',contrast=c('group1', 'group2'))

res<-NULL
for(comm_type in comm_list){
  res_cat<-FindLR(deg_nk, deg_t,  datatype='DEG',comm_type=comm_type)
  #res_cat<-FindLR(deg_t,  datatype='DEG',comm_type=comm_type)
  res<-rbind(res,res_cat)
}
# FindLR DEG類型的數(shù)據(jù)秦躯,可以輸入一個基因集合忆谓,結(jié)果為相應(yīng)基因內(nèi)的配體-受體列表
# 如果有超過20組配體-受體結(jié)果,取前20進(jìn)行展示
res<-res[order(res$cell_from_logFC*res$cell_to_logFC,decreasing=T),][1:20,]

LRPlot(res,datatype='DEG',cell_col=cell_col,link.arr.lwd=res$cell_from_logFC,link.arr.width=res$cell_to_logFC)
image

image

為了展示常用的Seurat對象文件作為iTALK的載入數(shù)據(jù)踱承,我們把作者提供的測試數(shù)據(jù)轉(zhuǎn)換成了seurat對象倡缠。

鏈接:https://pan.baidu.com/s/1qM3pZwI_mXPZT3Cj9etWug 密碼:0rvp

可能由于測試數(shù)據(jù)集的原因,我并未找到樣本組不同亞群之間差異基因涉及到的受體配體茎活,iTALK github issue有人遇到了相同的問題昙沦,作者暫未回應(yīng)。

參考

https://github.com/Coolgenome/iTALK/blob/master/example/example_code.r

最后編輯于
?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:七十年代末载荔,一起剝皮案震驚了整個濱河市桅滋,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌身辨,老刑警劉巖丐谋,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異煌珊,居然都是意外死亡号俐,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進(jìn)店門定庵,熙熙樓的掌柜王于貴愁眉苦臉地迎上來吏饿,“玉大人,你說我怎么就攤上這事蔬浙≈砺洌” “怎么了?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵畴博,是天一觀的道長笨忌。 經(jīng)常有香客問我,道長俱病,這世上最難降的妖魔是什么官疲? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮亮隙,結(jié)果婚禮上途凫,老公的妹妹穿的比我還像新娘。我一直安慰自己溢吻,他們只是感情好维费,可當(dāng)我...
    茶點故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般犀盟。 火紅的嫁衣襯著肌膚如雪噪漾。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天且蓬,我揣著相機(jī)與錄音欣硼,去河邊找鬼。 笑死恶阴,一個胖子當(dāng)著我的面吹牛诈胜,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播冯事,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼焦匈,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了昵仅?” 一聲冷哼從身側(cè)響起缓熟,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎摔笤,沒想到半個月后够滑,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡吕世,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 37,533評論 2 332
  • 正文 我和宋清朗相戀三年彰触,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命辖。...
    茶點故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡况毅,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出尔艇,到底是詐尸還是另有隱情尔许,我是刑警寧澤,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布终娃,位于F島的核電站味廊,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏尝抖。R本人自食惡果不足惜毡们,卻給世界環(huán)境...
    茶點故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一迅皇、第九天 我趴在偏房一處隱蔽的房頂上張望昧辽。 院中可真熱鬧,春花似錦登颓、人聲如沸搅荞。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽咕痛。三九已至痢甘,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間茉贡,已是汗流浹背塞栅。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留腔丧,地道東北人放椰。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像愉粤,于是被迫代替她去往敵國和親砾医。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,577評論 2 353