本条记会被收录于《生信妙技树》公众号的《单细胞2024》专辑【REMU-066】鬼イラマチオ 外伝 魅惑のセクシーイラマチオ 芸能人AYA，何况咱们从2024驱动的教程王人是基于Seurat的V5版块啦，之前还是演示了何如读取不同体式的单细胞转录组数据文献，如下所示：
初试Seurat的V5版块
使用Seurat的v5来读取多个10x的单细胞转录组矩阵
使用Seurat的v5来读取多个不是10x尺度文献的单细胞模样
关联词其它代码基本上就跟Seurat早期的v4莫得永诀，比如harmony整合多个单细胞样品。
但实质上Seurat有了我方的更始，官网文档：
https://satijalab.org/seurat/articles/seurat5_integration
https://satijalab.org/seurat/articles/integration_introduction
内部提到了它内置了多种整合多个单细胞样品的算法，不错 Perform streamlined (one-line) integrative analysis
Anchor-based CCA integration (method=CCAIntegration)
Anchor-based RPCA integration (method=RPCAIntegration)
Harmony (method=HarmonyIntegration)
FastMNN (method= FastMNNIntegration)
scVI (method=scVIIntegration)
若是是一次性读取了多个10x样品
这个本事，因为函数Read10X不错一次性读取多个合理的旅途，是以咱们会把多个样品就被和谐读取成为了一个稀少矩阵而不是每个样品零丁的稀少矩阵，如下所示；
成人视频图片
和谐读取成为了一个稀少矩阵
详见：使用Seurat的v5来读取多个10x的单细胞转录组矩阵，它就不符合走Seurat的v5的内置的多个单细胞样品的整划算法，是以咱们会先split它，代码如下所示：table(sce.all$orig.ident)
obj = sce.all
obj[["RNA"]] <- split(obj[["RNA"]], f = obj$orig.ident)
恶果如下所示，不错看到每个样品的矩阵这个本事被上头的split函数拒绝了：
图片
split函数拒绝
接下来，如下所示走内置的harmony经过，即是IntegrateLayers函数内部的 ：obj <- NormalizeData(obj)
obj <- FindVariableFeatures(obj)
obj <- ScaleData(obj)
obj <- RunPCA(obj)【REMU-066】鬼イラマチオ 外伝 魅惑のセクシーイラマチオ 芸能人AYA
# 运行的harmony需要基于上头的PCA戒指哦
sce.all <- IntegrateLayers(
object = obj, method = HarmonyIntegration,
orig.reduction = "pca", new.reduction = "harmony",
verbose = FALSE
)
sce.all@reductions$harmony
sce.all <- FindNeighbors(sce.all, reduction = "harmony", dims = 1:30)
res = c(0.01, 0.05, 0.1, 0.2, 0.3, 0.5,0.8 )
sce.all <- FindClusters(sce.all, resolution = res )
sce.all <- RunUMAP(sce.all, reduction = "harmony", dims = 1:30)
p1 <- DimPlot( sce.all,label = T)
p1
是很容易看到harmony被胜利运行啦。
若是是先我方跑RunHarmony函数
这个本事又不行用split函数拒绝了的Seurat对象哦，需要最驱动阿谁多个样品就被和谐读取成为了一个稀少矩阵的Seurat对象，这个本事不错定名为 input_sce 变量，然后走底下的代码：print(dim(input_sce))
input_sce <- NormalizeData(input_sce,
normalization.method = "LogNormalize",
scale.factor = 1e4)
input_sce <- FindVariableFeatures(input_sce)
input_sce <- ScaleData(input_sce)
input_sce <- RunPCA(input_sce, features = VariableFeatures(object = input_sce))
seuratObj <- RunHarmony(input_sce, "orig.ident")
names(seuratObj@reductions)
seuratObj <- RunUMAP(seuratObj, dims = 1:15,
reduction = "harmony")
# p = DimPlot(seuratObj,reduction = "umap",label=T )
# ggsave(filename='umap-by-orig.ident-after-harmony',plot = p)
input_sce=seuratObj
input_sce <- FindNeighbors(input_sce, reduction = "harmony",
dims = 1:15)
这个恶果跟前边的IntegrateLayers函数是一趟事，若是你这个本事的Seurat对象内部的矩阵是按照样品拒绝的， 就需要先归并材干走RunHarmony函数，它来自于harmony这个r包啦。
频频是不提议走内置的harmony经过
其实我就不应该先容这个IntegrateLayers函数的，因为它需要split阿谁矩阵，这么的话后头的许多分析王人会有问题，比如咱们跑 cosg 函数针对阿谁矩阵去找marker就会遭受报错：# remotes::install_github('genecell/COSGR')
# genexcell <- Seurat::GetAssayData(object = object[[assay]],slot = slot)
marker_cosg <- cosg(
sce.all.int,
groups='all',
assay='RNA',
slot='data',
mu=1,
n_genes_user=100)
如下所示：Error in `Seurat::GetAssayData()`:
! GetAssayData doesn't work for multiple layers in v5 assay.
Run `rlang::last_trace()` to see where the error occurred.
> rlang::last_trace()
<error you can run 'object
Error in `Seurat::GetAssayData()`:
! GetAssayData doesn't work for multiple layers in v5 assay.
---
Backtrace:
▆
1. └─COSG::cosg(...)
2. ├─Seurat::GetAssayData(object = object[[assay]], slot = slot)
3. └─SeuratObject:::GetAssayData.StdAssay(object = object[[assay]], slot = slot)
Run rlang::last_trace(drop = FALSE) to see 1 hidden frame.
>
若是要惩办这个报错，就需要当先把前边的split的矩阵从头joint且归，又是缺乏的事情！！！
文末友情宣传
蛮横提议你保举给身边的博士后以及年青生物学PI，多少量数据默契，让他们的科研上一个台阶：
生物信息学马拉松讲课（买一得五） ，你的生物信息学初学课，春节前终末一次
时隔5年，咱们的生信妙技树VIP学徒络续招生啦
144线程640Gb内存工作器分享一年仍然是仅需800【REMU-066】鬼イラマチオ 外伝 魅惑のセクシーイラマチオ 芸能人AYA
本站仅提供存储工作，通盘内容均由用户发布，如发现存害或侵权内容，请点击举报。