利用MetaNeighbor验证重复性和跨物种分群

进行跨物种研究时,我们经常需要进行注释结果的比较和归类,或者同一物种不同样本之间的注释验证。R语言中有一个包就可以利用直观的热图展示这一需求。

导入包和环境

R 复制代码
library(Seurat)
library(ggplot2)
library(MetaNeighbor)
library(SingleCellExperiment)
library(dplyr)

导入数据

这里以海豚和两个公开人的PFC脑区单细胞转录组数据为例

R 复制代码
hm <- readRDS('human_sci_EXN.rds')
DefaultAssay(hm) <- 'RNA'
hm@meta.data$species <- 'human'
hm2 <- readRDS('human_2_EXN.rds')
DefaultAssay(hm2) <- 'RNA'
hm2@meta.data$species <- 'human'
dp <- readRDS('dolphin_PFC_EXN.rds')
DefaultAssay(dp) <- 'RNA'
dp@meta.data$species <- 'dolphin'

创建比较对象

R 复制代码
# 确保Idents已经正确设置
Idents(hm) <- hm@meta.data$cellType_layer
Idents(hm2) <- hm2@meta.data$subclass.v2
Idents(dp) <- dp@meta.data$sub2

# 提取表达矩阵和元数据
exprs_hm <- GetAssayData(hm)
exprs_hm2 <- GetAssayData(hm2)
exprs_dp <- GetAssayData(dp)

meta_hm <- hm@meta.data
meta_hm2 <- hm2@meta.data
meta_dp <- dp@meta.data

# 提取共有基因
common_genes <- Reduce(intersect, list(rownames(exprs_hm),rownames(exprs_hm2), rownames(exprs_dp)))

# 提取共有基因表达矩阵
exprs_hm_common <- exprs_hm[common_genes, ]
exprs_hm2_common <- exprs_hm2[common_genes, ]
exprs_dp_common <- exprs_dp[common_genes, ]

# 合并表达矩阵
combined_exprs <- cbind(exprs_hm_common, exprs_hm2_common, exprs_dp_common)

# 创建一个新的列数据框,确保使用Idents作为cell_type
new_colData <- data.frame(
  study_id = c(rep('human', ncol(exprs_hm_common)),rep('human2', ncol(exprs_hm2_common)), rep('dolphin', ncol(exprs_dp_common))),
  cell_type = c(Idents(hm), Idents(hm2), Idents(dp))
)

# 创建 SingleCellExperiment 对象
sce_combined <- SingleCellExperiment(assays = list(RNA = combined_exprs), colData = new_colData)

# 检查合并后的对象
sce_combined

检查所有细胞分群比例

R 复制代码
table(sce_combined$cell_type)

相似性分析

R 复制代码
# 选择高可变基因
var_genes <- variableGenes(dat = sce_combined, exp_labels = sce_combined$study_id)

# 运行相似性分析
celltype_NV <- MetaNeighborUS(var_genes = var_genes,
                              dat = sce_combined,
                              study_id = sce_combined$study_id,
                              cell_type = sce_combined$cell_type,
                              fast_version = TRUE)
# 检查前几行
head(celltype_NV)

可视化

R 复制代码
png("heatmap_integrated_3.png", width = 24, height = 24, units = "in", res = 300) 
plotHeatmapPretrained(aurocs = celltype_NV, cex = 1.5, margins = c(25, 25))
dev.off()
相关推荐
赵钰老师9 小时前
【深度学习】遥感影像目标检测:从CNN(Faster-RCNN)到Transformer(DETR)
pytorch·深度学习·目标检测·机器学习·数据分析·cnn·transformer
♢.*12 小时前
析言GBI:用自然语言交互重构企业数据分析范式
人工智能·数据分析·大模型·交互·bi·阿里
初尘屿风16 小时前
基于Python的Diango旅游数据分析推荐系统设计与实现+毕业论文(15000字)
数据库·spring boot·python·数据挖掘·数据分析·旅游
莫叫石榴姐16 小时前
DeepSeek驱动下的数据仓库范式转移:技术解耦、认知重构与治理演进
大数据·数据仓库·人工智能·重构·数据分析·deep learning
预测模型的开发与应用研究1 天前
数据分析的AI+流程(个人经验)
人工智能·数据挖掘·数据分析
yanlingyun02101 天前
Leetcode100-春招-矩阵题类
数据结构·算法·矩阵
sda423423424231 天前
4.【线性代数】——矩阵的LU分解
线性代数·矩阵·矩阵分解·lu
关关钧1 天前
【R语言】聚类分析
开发语言·r语言
aaasssdddd961 天前
鸡兔同笼问题
c语言·线性代数·算法·矩阵·解释器
余:185381628001 天前
矩阵系统源码搭建之多种剪辑功能技术开发,支持OEM
线性代数·矩阵