Учебное пособие по анализу данных секвенирования транскриптома отдельных клеток Seurat (1)
Введение
В этом уроке мы рассмотрим простой конвейер, чтобы узнать, как использовать пакет Seurat для анализа данных секвенирования одноклеточной РНК. Мы уделим особое внимание предварительной обработке и нормализации данных, а также тому, как мы можем использовать инструмент SCTransform.
Предварительная обработка данных
Предварительная обработка данных — это первый этап процесса анализа, который в основном включает в себя такие этапы, как контроль качества, фильтрация и стандартизация. В Seurat мы обычно используем функцию CreateSeuratObject для создания объекта Seurat из исходной матрицы счетчиков.
library(Seurat)
seurat_object <- CreateSeuratObject(counts = raw_counts)
Далее мы можем выполнить контроль качества и фильтрацию по слотам метаданных в объекте Сёра.
# 过滤细胞和基因
seurat_object <- subset(seurat_object, subset = nFeature_RNA > 200 & percent.mt < 5)
Стандартизация данных
Seurat предлагает два основных метода стандартизации данных: стандартную нормализацию и SCTransform.
Стандартная нормализация часто используется для корректировки данных об экспрессии генов, чтобы их можно было сравнивать в разных клетках и образцах. Этот процесс обычно включает логарифмизацию и масштабирование значений счетчика.
seurat_object <- NormalizeData(seurat_object)
Однако стандартные методы нормализации могут не справляться с некоторыми техническими вариациями, такими как пакетные эффекты и эффективность захвата. Чтобы решить эту проблему, мы можем использовать метод SCTransform.
SCTransform — это метод, основанный на модели регуляризованной отрицательной биномиальной регрессии, который позволяет лучше обрабатывать технические изменения в данных секвенирования одноклеточной РНК. SCTransform также выполняет стандартизацию данных и выбор переменных объектов, поэтому это очень мощный инструмент предварительной обработки.
seurat_object <- SCTransform(seurat_object)
Стоит отметить, что SCTransform возвращает нормализованные значения счетчика, поэтому после использования SCTransform мы обычно используем эти нормализованные значения счетчика для последующего анализа.
Резюме
В целом, Seurat предоставляет мощный набор инструментов для анализа данных секвенирования одноклеточной РНК. На этапе предварительной обработки данных мы можем лучше понять наши данные, выбрав подходящие методы нормализации. SCTransform предлагает хороший вариант в этом отношении, поскольку он может эффективно обрабатывать технические изменения в данных секвенирования одноклеточной РНК.