爾云間 一個(gè)專門(mén)做科研的團(tuán)隊(duì)

原創(chuàng) 小果 生信果

歡迎點(diǎn)贊 收藏 關(guān)注[給你小心心]

什么是Seurat？

Seurat是R語(yǔ)言中被用于單細(xì)胞RNA-seq質(zhì)控、分析的一個(gè)r包。從而時(shí)用戶可以鑒定來(lái)自單細(xì)胞轉(zhuǎn)錄本測(cè)定的異質(zhì)性來(lái)源。

其中，Seurat包的應(yīng)用主要包含了：數(shù)據(jù)導(dǎo)入、數(shù)據(jù)過(guò)濾、數(shù)據(jù)歸一化、特征選擇、數(shù)據(jù)縮放、數(shù)據(jù)降維、聚類、數(shù)據(jù)可視化以及差異表達(dá)基因分析的功能。

本文主要講解Seurat包的安裝以及其簡(jiǎn)單的應(yīng)用，包括數(shù)據(jù)導(dǎo)入、數(shù)據(jù)過(guò)濾、數(shù)據(jù)特征可視化。

Seurat的安裝

安裝命令

> install.packages('Seurat')

注意：目前Seurat最高版本是3.0版本，需要適配的R的版本在3.4及以上，如果你的R版本在3.4以上，即可直接在R中安裝。

安裝成功后引用R包可能會(huì)出現(xiàn)的錯(cuò)誤

此時(shí)，我們需要再安裝spatstat.data這個(gè)包：

> install.packages('spatstat.data')

當(dāng)安裝spatstat.data包時(shí)，可能還會(huì)出現(xiàn)spatstat.utils和spatstat.data版本不適配的問(wèn)題，導(dǎo)致spatstat.data無(wú)法正確被安裝。

安裝時(shí)報(bào)錯(cuò)信息：

Error: package or namespace load failed for ‘Seurat’ in loadNamespace(i, c(lib.loc, .libPaths()), versionCheck = vI[[i]]):

載入了名字空間‘spatstat.utils’ 3.0-1，但需要的是>= 3.0.2

此時(shí)，我們需要重新下載對(duì)應(yīng)版本的spatstat.utils，并在下載之前刪除原來(lái)版本的spatstat.utils。

>remove.packages("spatstat.utils")

刪除原來(lái)版本的r包后，我們需要首先去下載好對(duì)應(yīng)R包的壓縮包，這里需要特別注意的是，下載好的必須是.tar,而不能是.zip。這里貼下我下載的鏈接：

https://mirrors.sjtug.sjtu.edu.cn/cran/web/packages/spatstat.utils/index.html

下載好后，運(yùn)行以下命令：

>install.packages("C:/下載/spatstat.utils_3.0-1.tar.gz", repos = NULL, type = "source")

（第一個(gè)空就填寫(xiě)你下載好的壓縮包所在的絕對(duì)路徑即可）

如果你成功安裝了Rtools并且和R以及RStudio在同一目錄下，即可成功安裝，如果這一步仍然報(bào)錯(cuò)，那么你需要檢查以下是否正確安裝了Rtools，同時(shí)也要注意R和RStudio的版本對(duì)應(yīng)問(wèn)題哦~

以上問(wèn)題解決后，當(dāng)我們?cè)赗中引用Seurat包就不會(huì)報(bào)錯(cuò)了！

Seurat包的簡(jiǎn)單使用

經(jīng)過(guò)一番周折，我們成功安裝了Seurat包。接下來(lái)我們要學(xué)習(xí)怎樣使用Seurat包。

導(dǎo)入數(shù)據(jù)/創(chuàng)建Seurat對(duì)象

>library(dplyr)>library(Seurat)#導(dǎo)入pbmc數(shù)據(jù)>pbmc.data <- Read10X(data.dir="Rdata/filtered_gene_bc_matrices/hg19/")>pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k" , min.cells = 3,min.features = 200)>pbmc

提示信息告訴我們，生成的pbmc對(duì)象中有13714個(gè)基因，2700個(gè)細(xì)胞。

導(dǎo)入成功后，我們也可以在Rstudio中查看pbmc對(duì)象的整體結(jié)構(gòu)如下：

數(shù)據(jù)過(guò)濾/質(zhì)量控制

下面，我們以人的數(shù)據(jù)為例，以MT-開(kāi)頭的所有基因集座位線粒體基因集，利用小提琴圖可視化質(zhì)控指標(biāo)（過(guò)濾條件：過(guò)濾線粒體基因占比大于5%的細(xì)胞、過(guò)濾UMI數(shù)大于2500或小于200的細(xì)胞）。

>pbmc[["percent.mt"]]<-PercentageFeatureSet(pbmc,pattern = "^MT-")>VlnPlot(pbmc,features = c("nFeature_RNA","nCount_RNA","percent.mt"),ncol = 3)>pbmc<-subset(pbmc,subset=nFeature_RNA>20 & nFeature_RNA <2500 & percent.mt<5)>head(pbmc@meta.data, 5)

特征-特征之間關(guān)系可視化

接下來(lái)，我們可以用FeatureScatter函數(shù)可書(shū)畫(huà)特征與特征之間的關(guān)系。

>plot3 <- FeatureScatter(pbmc,feature1 = "nCount_RNA",feature2 = "percent.mt")>CombinePlots(plots= list(plot3))

以上，就是我們對(duì)Seurat包的安裝與基本使用方法的總結(jié)，不知道有沒(méi)有幫助到你呢~

“生信果”，生信入門(mén)、R語(yǔ)言、生信圖解讀與繪制、軟件操作、代碼復(fù)現(xiàn)、生信硬核知識(shí)技能、服務(wù)器、生物信息學(xué)的教程，以及基于R的分析和可視化等原創(chuàng)內(nèi)容，一起見(jiàn)證小白和大佬的成長(zhǎng)。