利用貝葉斯的方法獲得cell cluster的marker基因

理論

參考文章為:genesorteR
簡(jiǎn)單理解下茸苇,每個(gè)cell type的marker基因,它們的表達(dá)量一定具有cell type特異性的

假設(shè)單細(xì)胞表達(dá)矩陣為m×n的單細(xì)胞表達(dá)矩陣央星,m個(gè)基因和n個(gè)cell飘诗,并且n個(gè)細(xì)胞劃分到了k個(gè)cell cluster里面,作者通過(guò)貝葉斯公式:



來(lái)反應(yīng)每個(gè)cell cluster中的基因特異性

其中:

  1. t ∈ { t1 , t2 致板,..., tk }咏窿,代表不同的cell cluster
  2. P( ti | gj ) 代表在檢測(cè)到 gene j (gj)有表達(dá)的條件下斟或,觀測(cè)該cell(單個(gè)cell)屬于 cell cluster ti 的概率;其中 gj 代表 gene j
  3. P( gj | ti ) 代表在 cell cluster ti 的細(xì)胞中檢測(cè)到基因 gj 有表達(dá)的概率
  4. P( gj ) 代表全部的 n 個(gè)細(xì)胞中都檢測(cè)到 gj 的概率
  5. P( ti ) 代表全部的 n 個(gè)細(xì)胞屬于 cell cluster ti 的概率

那么試想哪一種基因?qū)儆趍arker呢集嵌?也就是說(shuō) P( ti | gj ) 值越大萝挤,則 gjcell cluster ti 的marker 基因概率越大,根據(jù)定義根欧,當(dāng) gj 有表達(dá)的時(shí)候怜珍,劃分某一個(gè)細(xì)胞為 cell cluster ti 的概率越大,反而越說(shuō)明 gjcell cluster ti 的marker基因

接下來(lái)作者定義:


為cell cluster的特異性分?jǐn)?shù)凤粗,當(dāng) si j 的值為 1 時(shí)酥泛,代表在 cell cluster ti 中的細(xì)胞都檢測(cè)到了 gj,而其他類(lèi)型的細(xì)胞中沒(méi)有檢測(cè)到 gj

定義marker基因特異性分?jǐn)?shù):


代碼部分

完整的流程為:

library(genesorteR)

data(kidneyTabulaMuris) #three cell types from kidney (Tabula Muris data)

#get specificity scores for each cell type
sg = sortGenes(kidneyTabulaMuris$exp, kidneyTabulaMuris$cellType)

head(sg$specScore) #specificity scores for each gene in each cluster

#define a small set of markers
mm = getMarkers(sg, quant = 0.99)

#cluster genes and make a heatmap
pp = plotMarkerHeat(sg$inputMat, sg$inputClass, mm$markers, clusterGenes=TRUE,
 outs = TRUE)

pp$gene_class_info #gene clusters

1.函數(shù) sortGenes

sortGenes = function(x, classLabels, binarizeMethod = "median", TF_IDF = FALSE, returnInput = TRUE, cores = 1) {
  
  # kidneyTabulaMuris$exp 為表達(dá)的單細(xì)胞稀疏矩陣
  x = kidneyTabulaMuris$exp
  # kidneyTabulaMuris$cellType 為每個(gè)細(xì)胞對(duì)應(yīng)的細(xì)胞類(lèi)型
  classLabels = kidneyTabulaMuris$cellType
  binarizeMethod = "median"
  TF_IDF = FALSE
  returnInput = TRUE
  cores = 1
  
  # 因子化標(biāo)記每個(gè)細(xì)胞對(duì)應(yīng)的細(xì)胞類(lèi)型
  classLabels = as.factor(classLabels)
  ww = which(as.vector(table(classLabels)) == 1)    

  # 將不同的因子類(lèi)型轉(zhuǎn)換為數(shù)字
  classLabelsNum = as.integer(classLabels)
  # 將上一步的結(jié)果因子化
  classLabelsLab = levels(classLabels)
  
  # 轉(zhuǎn)換為 dgCMatrix
  x = as(x, "dgCMatrix")
  
  # 計(jì)算稀疏矩陣有表達(dá)(有數(shù)值的,沒(méi)有數(shù)值的不納入計(jì)算)基因表達(dá)量的中位數(shù)
  ## 將所有細(xì)胞中各個(gè)有表達(dá)(有數(shù)值的,沒(méi)有數(shù)值的不納入計(jì)算)基因按每一列(每個(gè)細(xì)胞)為單位拼成一列向量嫌拣,并計(jì)算中位數(shù)
  xbin = binarize(x, method = binarizeMethod)
  
  # 稀疏矩陣求行總和,并去除0表達(dá)的情況
  rem = which((Matrix::rowSums(xbin$mat)) == 0)
  if (length(rem) > 0) {
    xbin$mat = xbin$mat[-rem,]
  }
  
  # 求每一個(gè)細(xì)胞類(lèi)別(1,2,3)的概率,每一類(lèi)別的數(shù)量除以總數(shù)量
  classProb = getClassProb(classLabelsNum)
  # 命名
  names(classProb) = classLabelsLab
  
  # 計(jì)算每個(gè)基因的概率,每個(gè)基因在各個(gè)細(xì)胞表達(dá)量的總和除以總的細(xì)胞數(shù)
  geneProb = getGeneProb(xbin$mat)
  
  # 計(jì)算每一類(lèi)細(xì)胞(cell cluster)中每個(gè)基因的平均表達(dá)量柔袁,并定義為概率 P( gj | ti )
  condGeneCluster = getGeneConditionalCluster_stats(xbin$mat, classProb, classLabels, cores = cores)
  # 利用貝葉斯公式計(jì)算每個(gè)基因的后驗(yàn)概率
  clusterPostGene = getClusterPostGene(condGeneCluster, geneProb, classProb)
  # 計(jì)算特異性分?jǐn)?shù)
  specScore = getSpecScore(clusterPostGene, condGeneCluster)
  
  tf_idf = NULL
  if (TF_IDF) {
    tf_idf = getClusterTFIDF(condGeneCluster)
  }
  
 
  result = list(binary = xbin$mat, cutoff = xbin$cutoff, 
                removed = rem, geneProb = geneProb, 
                condGeneProb = condGeneCluster, postClustProb = clusterPostGene, 
                specScore = specScore, classProb = classProb, 
                inputMat = x, inputClass = classLabels, tf_idf = tf_idf)
}

小tip幾個(gè)函數(shù):

# 1 計(jì)算稀疏矩陣有表達(dá)(有數(shù)值的,沒(méi)有數(shù)值的不納入計(jì)算)基因表達(dá)量的中位數(shù)
binarize = function(x, method = "median") {
  # 計(jì)算稀疏矩陣有表達(dá)(有數(shù)值的,沒(méi)有數(shù)值的不納入計(jì)算)基因表達(dá)量的中位數(shù)
  if (method == "median") {
    pi = median(x@x)
  } else if (method == "mean") {
    pi = mean(x@x)
  } else if (method == "naive") {
    pi = min(x@x)
  } else if (method == "adaptiveMedian") {
    mm = Mclust(Matrix::rowSums(x), 1:20, modelNames=c("V"), verbose = FALSE)
    if (mm$G == 1) {
      stop("Error: you set binarizeMethod to adaptiveMedian but the optimal number of gene groups based on average expression is 1. Please use a different binarization method or use a different gene expression normalization. Also please consider reporting this error to mmibrahim@pm.me or on https://github.com/mahmoudibrahim/genesorteR/issues (preferred).")
    } else {
      pi = rep(0, mm$G)
      for (i in 1:mm$G) {
        pi[i] = median(x[which(mm$classification == i),]@x)
      }
    }
  } else if ((is.numeric(method)) & (method >= 0)) {
    pi = method
  } else {
    stop("Unrecognized binarization method! genesorteR stopped.")
  }
  
  
  if (method == "adaptiveMedian") {
    
    mat = list()
    for (i in 1:mm$G) {
      tx = x[which(mm$classification == i),]
      ww = which(tx@x >= pi[i])
      dp = diff(tx@p)
      colInd = (rep(seq_along(dp),dp))[ww]
      rowInd = (tx@i+1)[ww]
      genes = rownames(tx)
      mat[[i]] = Matrix::sparseMatrix(rowInd[1], colInd[1], dims=tx@Dim)
      mat[[i]][cbind(rowInd,colInd)] = 1
      mat[[i]] = as(mat[[i]], "dgCMatrix")
      rownames(mat[[i]]) = genes
    }
    mat = do.call(rbind, mat)
    x = mat[match(rownames(x),rownames(mat)),]
    
  } else {
    
    ww = which(x@x >= pi)
    dp = diff(x@p)
    colInd = (rep(seq_along(dp),dp))[ww]
    rowInd = (x@i+1)[ww]
    genes = rownames(x)
    x = Matrix::sparseMatrix(rowInd[1], colInd[1], dims=x@Dim)
    x[cbind(rowInd,colInd)] = 1
    x = as(x, "dgCMatrix")
    rownames(x) = genes
  }
  
  return(list(mat = x, cutoff = pi))
}


# 2 求每一個(gè)細(xì)胞類(lèi)別(1,2,3)的概率,每一類(lèi)別的數(shù)量除以總數(shù)量
getClassProb = function(x) {
  probs = table(x) / length(x)
  
  return(probs)
}

# 3 計(jì)算每個(gè)基因的概率,每個(gè)基因在各個(gè)細(xì)胞表達(dá)量的總和除以總的細(xì)胞數(shù)
getGeneProb = function(x) {
  ncell = ncol(x)
  
  probs = as.vector( (Matrix::rowSums(x)) / ncell )
  names(probs) = rownames(x)
  
  return(probs)
}

# 4 計(jì)算每一類(lèi)細(xì)胞(cell cluster)中每個(gè)基因的平均表達(dá)量,并定義為概率 P( gj | ti )
getGeneConditionalCluster_stats = function(mat, classProb, classLabels, cores = 1) {
  lab = names(classProb)
  
  if (cores > 1) {
    geneProb = do.call(cbind, mclapply(1:length(lab), function(i) Matrix::rowMeans(mat[,which(classLabels == lab[i])]), mc.cores = cores))
  } else {
    geneProb = do.call(cbind, lapply(1:length(lab), function(i) Matrix::rowMeans(mat[,which(classLabels == lab[i])])))
  }
  
  geneProb = as(geneProb, "dgCMatrix")
  colnames(geneProb) = lab
  
  return(geneProb)
}


# 5 利用貝葉斯公式計(jì)算每個(gè)基因的后驗(yàn)概率
getClusterPostGene = function(condMat, geneProb, classProb) {
  
  # 計(jì)算貝葉斯公式的分子部分
  postProb = t(apply(log(condMat), 1, function(x) x + log(classProb)))
  # 計(jì)算貝葉斯公式的分母部分
  postProb = exp(apply(postProb, 2, function(x) x - log(geneProb)))
  
  colnames(postProb) = names(classProb)
  postProb = as(postProb, "dgCMatrix")
  
  return(postProb)  
}

# 6 計(jì)算特異性分?jǐn)?shù)
getSpecScore = function(postMat, condMat) {
  # 計(jì)算特異性分?jǐn)?shù)
  specScore = exp(log(postMat) + log(condMat))
  
  colnames(specScore) = colnames(condMat)
  specScore = as(specScore, "dgCMatrix")
  return(specScore)
}

注意這里的特異性分?jǐn)?shù)的計(jì)算异逐,由于變量condGeneCluster代表 P( gj | ti )捶索,因此specScore = exp(log(postMat) + log(condMat))代表分?jǐn)?shù)si j

2. 基于香農(nóng)熵選出marker基因

library(mclust)
getMarkers = function(gs, quant = 0.99, mutualInfo = FALSE, classEnt = FALSE) {
  
  gs = sg
  quant = 0.99
  mutualInfo = FALSE
  classEnt = FALSE
  
  # 對(duì) sij 分?jǐn)?shù)進(jìn)行標(biāo)準(zhǔn)化
  scored = apply(gs$specScore, 2, score)
  # 計(jì)算香濃熵
  ent = apply(scored, 1, getEntropy)
  # 排序并選出最大的值
  maxi = apply(scored, 1, max)
  ww = which(maxi > quantile(maxi, probs=quant))
  m = Mclust(ent[ww], 2, modelNames="E", verbose = FALSE)
  # 選出marker基因
  markers = names( which(m$classification == (which.min(m$parameters$mean)) ) )
  
  mutInfo = NULL
  if (mutualInfo == TRUE) {
    mutInfo = apply(gs$binary, 1, function(x) getMutInfo(x,gs$inputClass))
  }
  
  classEntropy = NULL
  if (classEnt == TRUE) {
    classEntropy = apply(scored, 2, getEntropy)
    names(classEntropy) = colnames(gs$specScore)
  }
  
  return(list(gene_shannon_index = ent, maxScaledSpecScore = maxi, markers = markers, 
              mutInfo = mutInfo, classEntropy = classEntropy))
}

幾個(gè)函數(shù):

score = function(x) {
  x  = ((x-min(x))/(max(x)-min(x)))
  return(x)
}

getEntropy = function(x) {
  ent = 0
  w = which(x > 0)
  if (length(w) > 0) {
    w = x[w]
    ent = -(sum(w * (log(w))))
  }
  return(ent)
}
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市灰瞻,隨后出現(xiàn)的幾起案子腥例,更是在濱河造成了極大的恐慌,老刑警劉巖酝润,帶你破解...
    沈念sama閱讀 218,682評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件院崇,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡袍祖,警方通過(guò)查閱死者的電腦和手機(jī)底瓣,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,277評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)蕉陋,“玉大人捐凭,你說(shuō)我怎么就攤上這事〉树蓿” “怎么了茁肠?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,083評(píng)論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)缩举。 經(jīng)常有香客問(wèn)我垦梆,道長(zhǎng)匹颤,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,763評(píng)論 1 295
  • 正文 為了忘掉前任托猩,我火速辦了婚禮印蓖,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘京腥。我一直安慰自己赦肃,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,785評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布公浪。 她就那樣靜靜地躺著他宛,像睡著了一般。 火紅的嫁衣襯著肌膚如雪欠气。 梳的紋絲不亂的頭發(fā)上厅各,一...
    開(kāi)封第一講書(shū)人閱讀 51,624評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音预柒,去河邊找鬼队塘。 笑死,一個(gè)胖子當(dāng)著我的面吹牛卫旱,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播围段,決...
    沈念sama閱讀 40,358評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼顾翼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了奈泪?” 一聲冷哼從身側(cè)響起适贸,我...
    開(kāi)封第一講書(shū)人閱讀 39,261評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎涝桅,沒(méi)想到半個(gè)月后拜姿,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,722評(píng)論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡冯遂,尸身上長(zhǎng)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(diǎn)故事閱讀 37,900評(píng)論 3 336
  • 正文 我和宋清朗相戀三年蕊肥,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)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蛤肌。...
    茶點(diǎn)故事閱讀 40,030評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡壁却,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出裸准,到底是詐尸還是另有隱情展东,我是刑警寧澤,帶...
    沈念sama閱讀 35,737評(píng)論 5 346
  • 正文 年R本政府宣布炒俱,位于F島的核電站盐肃,受9級(jí)特大地震影響爪膊,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜砸王,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,360評(píng)論 3 330
  • 文/蒙蒙 一推盛、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧处硬,春花似錦小槐、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,941評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至疮方,卻和暖如春控嗜,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背骡显。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,057評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工疆栏, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人惫谤。 一個(gè)月前我還...
    沈念sama閱讀 48,237評(píng)論 3 371
  • 正文 我出身青樓壁顶,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親溜歪。 傳聞我的和親對(duì)象是個(gè)殘疾皇子若专,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,976評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容