Прямая трансляция seurat v5, выполните интеграцию пяти данных одним щелчком мыши: Harmony, CCA, RPCA, FastMNN, scVI
Прямая трансляция seurat v5, выполните интеграцию пяти данных одним щелчком мыши: Harmony, CCA, RPCA, FastMNN, scVI

Удачи в году Дракона! Я очень рад встретиться со всеми вами в первый день первого лунного месяца.

В этой статье в основном тестируются: пять методов интеграции отдельных ячеек в среде seuratv5.

  • · Интеграция метода CCA
  • ·Интеграция метода RPCA
  • · Интеграция метода Гармонии
  • · Интеграция методов FastMNN
  • · интеграция метода scVI

Доктор Шэнсинь

[Биоинформатика] Язык R, изучение биоинформатики, серат, секвенирование одиночных клеток, пространственный транскриптом. Python, scanpy, cell2location, обмен данными

  • Сначала загрузите pbmc в среде v5.
Язык кода:javascript
копировать
2 #https://satijalab.org/seurat/articles/install_v5.html#2Install v5---.libPaths( в папке seurat_v5  c(    '/home/rootyll/seurat_v5/',    "/usr/local/lib/R/site-library",    "/usr/lib/R/site-library",    "/usr/lib/R/library"  ))
library(Seurat)​pbmc = readRDS('~/gzh/pbmc3k_final.rds')
DimPlot(pbmc)​
  • Мы видим, что объект pbmc в настоящее время все еще является объектом seurat v4.
Язык кода:javascript
копировать
pbmc[["RNA5"]] <- as(object = pbmc[["RNA"]], Class = "Assay5")
DefaultAssay(pbmc)Assays(pbmc)
pbmc[["RNA_seuratv4"]] <-  pbmc[['RNA']]
pbmc[['RNA']]=pbmc[['RNA5']]​
  • Если это один образец, просто следуйте приведенной ниже стандартной процедуре Сёра. Разницы между стандартными процессами v4 и v5 нет.
Язык кода:javascript
копировать
#3 Стандартный процесс объекта v5 ----​#Добавьте столбец данных процентов.mt в pbmc
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
#Визуализируйте показатели контроля качества с помощью скрипичных графиков
VlnPlot(pbmc, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)
#FeatureScatter часто используется для визуализации. feature-feature Актуальность, #nCount_RNA Соответствие проценту.mt
plot1 <- FeatureScatter(pbmc, feature1 = "nCount_RNA", feature2 = "percent.mt")
Корреляция между #nCount_RNA и nFeature_RNA
plot2 <- FeatureScatter(pbmc, feature1 = "nCount_RNA", feature2 = "nFeature_RNA")
plot1 + plot2 #Объединить два изображения
​pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 2500 & percent.mt < 5)
#выбирать 2500 > nFeature_RNA >200 и процент.мт < 5 данных
​​
pbmc <- NormalizeData(object = pbmc)pbmc <- FindVariableFeatures(object = pbmc)
pbmc <- ScaleData(object = pbmc)
pbmc <- RunPCA(object = pbmc)
pbmc <- FindNeighbors(object = pbmc, dims = 1:30)
pbmc <- FindClusters(object = pbmc)
pbmc <- RunUMAP(object = pbmc, dims = 1:30)
DimPlot(object = pbmc, reduction = "umap")​

Результаты следующие:

  • Если обрабатывается несколько образцов, требуется интеграция образцов. Версия seuratv5 объединяет 5 методов интеграции. Давайте попробуем их:
  • Во-первых, нам нужно создать два объекта seuratv5.
Язык кода:javascript
копировать
#для демонстрации,Делим объект pbmc на 2 набора данных,Выполните комплексный анализ
dim(pbmc)#13714  2638
pbmc$group= ifelse(pbmc$nCount_RNA>2200,yes = "CTRL",no = 'STIM')
table(pbmc$group)​4##4 # In line with prior workflows, you can also into split your object into a list of multiple objects based on a metadata# column creates a list of two objects
ifnb_list <- SplitObject(pbmc, split.by = "group")
ifnb_list$CTRLifnb_list$STIM
  • После получения двух объектов Seuart проводится комплексный анализ.
  • · Интеграция метода CCA
  • ·Интеграция метода RPCA
  • · Интеграция метода Гармонии
  • · Интеграция методов FastMNN
  • · интеграция метода scVI
  • Из-за нехватки времени здесь используются только методы интеграции cca, rpca и гармонии.
Язык кода:javascript
копировать
#4 У нас есть два объекта seuratv5 для комплексного анализа ------merged_obj <- merge(x = ifnb_list$CTRL, y = ifnb_list$STIM)merged_obj <- NormalizeData(merged_obj)merged_obj <- FindVariableFeatures(merged_obj)merged_obj <- ScaleData(merged_obj)merged_obj <- RunPCA(merged_obj)​obj=merged_obj​#rpcaobj <- IntegrateLayers(object = obj, method = RPCAIntegration, orig.reduction = "pca", new.reduction = "integrated.rpca",                              verbose = FALSE)#ccaobj <- IntegrateLayers(  object = obj, method = CCAIntegration,  orig.reduction = "pca", new.reduction = "integrated.cca",  verbose = FALSE)#remotes::install_github("satijalab/seurat-wrappers")#BiocManager::install('batchelor')#BiocManager::install('SeuratData',force = TRUE)​# obj <- IntegrateLayers(#   object = obj, method = FastMNNIntegration,#   new.reduction = "integrated.mnn",#   verbose = FALSE# )# # SeuratWrappers::RunFastMNN(object.list = obj,reduction.name = 'mnn')​#harmonyobj <- IntegrateLayers(  object = obj, method = HarmonyIntegration,  orig.reduction = "pca", new.reduction = "harmony",  verbose = FALSE)​
  • Здесь показаны только результаты интеграции cca и гармонии.
Язык кода:javascript
копировать
obj <- FindNeighbors(obj, reduction = "integrated.cca", dims = 1:30)
obj <- FindClusters(obj, resolution = 2, cluster.name = "cca_clusters")​​
obj <- RunUMAP(obj, reduction = "integrated.cca", dims = 1:30, reduction.name = "umap.cca")
p1 <- DimPlot(  obj,  reduction = "umap.cca",  group.by = c("Method", "predicted.celltype.l2", "cca_clusters"),  combine = FALSE, label.size = 2)​
obj <- FindNeighbors(obj, reduction = "harmony", dims = 1:30)obj <- FindClusters(obj, resolution = 2, cluster.name = "harmony_clusters")
obj <- RunUMAP(obj, reduction = "harmony", dims = 1:30, reduction.name = "harmony")
p2 <- DimPlot(  obj,  reduction = "harmony",  group.by = c("Method", "cell.type", "harmony_clusters"),  combine = FALSE, label.size = 2)​
library(patchwork)
wrap_plots(c(p1, p2), ncol = 2, byrow = F)​

Кажется, с согласованностью все в порядке, но в будущем есть 5 способов транслировать этот твит в прямом эфире, чтобы увидеть, какой метод быстрее и лучше.

ссылка:

  1. Стандартный процесс seuratv5: https://satijalab.org/seurat/articles/essential_commands
  2. Разница между seuratv4 и seruatv5: https://satijalab.org/seurat/articles/announcements.html
  3. Анализ интеграции Seratv5: https://satijalab.org/seurat/articles/seurat5_integration https://satijalab.org/seurat/articles/integration_introduction
boy illustration
Углубленный анализ переполнения памяти CUDA: OutOfMemoryError: CUDA не хватает памяти. Попыталась выделить 3,21 Ги Б (GPU 0; всего 8,00 Ги Б).
boy illustration
[Решено] ошибка установки conda. Среда решения: не удалось выполнить первоначальное зависание. Повторная попытка с помощью файла (графическое руководство).
boy illustration
Прочитайте нейросетевую модель Трансформера в одной статье
boy illustration
.ART Теплые зимние предложения уже открыты
boy illustration
Сравнительная таблица описания кодов ошибок Amap
boy illustration
Уведомление о последних правилах Points Mall в декабре 2022 года.
boy illustration
Даже новички могут быстро приступить к работе с легким сервером приложений.
boy illustration
Взгляд на RSAC 2024|Защита конфиденциальности в эпоху больших моделей
boy illustration
Вы используете ИИ каждый день и до сих пор не знаете, как ИИ дает обратную связь? Одна статья для понимания реализации в коде Python общих функций потерь генеративных моделей + анализ принципов расчета.
boy illustration
Используйте (внутренний) почтовый ящик для образовательных учреждений, чтобы использовать Microsoft Family Bucket (1T дискового пространства на одном диске и версию Office 365 для образовательных учреждений)
boy illustration
Руководство по началу работы с оперативным проектом (7) Практическое сочетание оперативного письма — оперативного письма на основе интеллектуальной системы вопросов и ответов службы поддержки клиентов
boy illustration
[docker] Версия сервера «Чтение 3» — создайте свою собственную программу чтения веб-текста
boy illustration
Обзор Cloud-init и этапы создания в рамках PVE
boy illustration
Корпоративные пользователи используют пакет регистрационных ресурсов для регистрации ICP для веб-сайта и активации оплаты WeChat H5 (с кодом платежного узла версии API V3)
boy illustration
Подробное объяснение таких показателей производительности с высоким уровнем параллелизма, как QPS, TPS, RT и пропускная способность.
boy illustration
Удачи в конкурсе Python Essay Challenge, станьте первым, кто испытает новую функцию сообщества [Запускать блоки кода онлайн] и выиграйте множество изысканных подарков!
boy illustration
[Техническая посадка травы] Кровавая рвота и отделка позволяют вам необычным образом ощипывать гусиные перья! Не распространяйте информацию! ! !
boy illustration
[Официальное ограниченное по времени мероприятие] Сейчас ноябрь, напишите и получите приз
boy illustration
Прочтите это в одной статье: Учебник для няни по созданию сервера Huanshou Parlu на базе CVM-сервера.
boy illustration
Cloud Native | Что такое CRD (настраиваемые определения ресурсов) в K8s?
boy illustration
Как использовать Cloudflare CDN для настройки узла (CF самостоятельно выбирает IP) Гонконг, Китай/Азия узел/сводка и рекомендации внутреннего высокоскоростного IP-сегмента
boy illustration
Дополнительные правила вознаграждения амбассадоров акции в марте 2023 г.
boy illustration
Можно ли открыть частный сервер Phantom Beast Palu одним щелчком мыши? Супер простой урок для начинающих! (Прилагается метод обновления сервера)
boy illustration
[Играйте с Phantom Beast Palu] Обновите игровой сервер Phantom Beast Pallu одним щелчком мыши
boy illustration
Maotouhu делится: последний доступный внутри страны адрес склада исходного образа Docker 2024 года (обновлено 1 декабря)
boy illustration
Кодирование Base64 в MultipartFile
boy illustration
5 точек расширения SpringBoot, супер практично!
boy illustration
Глубокое понимание сопоставления индексов Elasticsearch.
boy illustration
15 рекомендуемых платформ разработки с нулевым кодом корпоративного уровня. Всегда найдется та, которая вам понравится.
boy illustration
Аннотация EasyExcel позволяет экспортировать с сохранением двух десятичных знаков.