SingleR包注释细胞类型

àì夳堔傛蜴生んèń 2024-03-26 16:57 37阅读 0赞

SingleR是一个用于对单细胞RNA-seq测序（scRNA-seq）数据进行细胞类型自动注释的R包（Aran et al.2019）。依据已知类型标签的细胞样本作为参考数据集，对测试数据集中的细胞进行标记注释。

## **一 内置数据库** ##

使用SingleR的最简单方法是使用内置参考对细胞进行注释。singleR自带的7个参考数据集，其中5个是人类数据，2个是小鼠的数据：

**BlueprintEncodeData** Blueprint (Martens and Stunnenberg 2013) and Encode (The ENCODE Project Consortium 2012) （人）

**DatabaseImmuneCellExpressionData** The Database for Immune Cell Expression(/eQTLs/Epigenomics)(Schmiedel et al. 2018)（人）

**HumanPrimaryCellAtlasData** the Human Primary Cell Atlas (Mabbott et al. 2013)（人）

**MonacoImmuneData**, Monaco Immune Cell Data - GSE107011 (Monaco et al. 2019)（人）

**NovershternHematopoieticData** Novershtern Hematopoietic Cell Data - GSE24759（人）

**ImmGenData** the murine ImmGen (Heng et al. 2008) （鼠）

**MouseRNAseqData** a collection of mouse data sets downloaded from GEO (Benayoun et al. 2019).鼠）

## **二 数据库，R包** ##

### **2.1 singleR包安装** ###

if(!requireNamespace("BiocManager", quietly =TRUE))
     install.packages("BiocManager")
    BiocManager::install("SingleR")

### **2.2 加载数据集，数据** ###

library(SingleR)
    library(celldex)
    library(Seurat)
    library(pheatmap)
    ##下载注释数据库
    hpca.se <- HumanPrimaryCellAtlasData()
    bpe.se<- BlueprintEncodeData()

### **2.3 查看seurat结果** ###

使用Seurat包pbmc的结果，在[Seurat标准流程][Seurat]介绍过。

（1）查看seuret聚类结果

load("pbmc3k_final.rds.RData")
    pbmc
    
    meta=pbmc@meta.data #pbmc的meta文件，包含了seurat的聚类结果
    head(meta)

![63cd30ad60db68f1f44f4ab06eb9dfd3.png][]

（2）查看umap和tsne图

plot1 <- DimPlot(pbmc, reduction = "umap", label = TRUE)
    
    plot2<-DimPlot(pbmc, reduction = "tsne",
                   label = TRUE)
    plot1 + plot2

![64dcfb6764aeb5665f6c3ee183ab811b.png][]

## **三 singleR注释** ##

### **3.1 singleR使用内置数据集注释** ###

#进行singleR注释
    pbmc_for_SingleR <- GetAssayData(pbmc, slot="data") ##获取标准化矩阵
    pbmc.hesc <- SingleR(test = pbmc_for_SingleR, ref = hpca.se, labels = hpca.se$label.main) #
    pbmc.hesc
    
    #seurat 和 singleR的table表
    table(pbmc.hesc$labels,meta$seurat_clusters)

![23bd4ee4e7a53d25dca22a372873ac2e.png][]

![1644de096b025122974f45b8dcb4b5a0.png][]

### **3.2 绘制umap/tsne图** ###

pbmc@meta.data$labels <-pbmc.hesc$labels
    
    print(DimPlot(pbmc, group.by = c("seurat_clusters", "labels"),reduction = "umap"))

![1975d0df6c1406245a009d0bfc855a25.png][]

### **3.3 使用多个数据库注释** ###

使用BP和HPCA两个数据库综合注释，使用list函数读入多个数据库

pbmc3 <- pbmc
    pbmc3.hesc <- SingleR(test = pbmc_for_SingleR, ref = list(BP=bpe.se, HPCA=hpca.se), labels = list(bpe.se$label.main, hpca.se$label.main)) 
    table(pbmc3.hesc$labels,meta$seurat_clusters)
    pbmc3@meta.data$labels <-pbmc3.hesc$labels
    print(DimPlot(pbmc3, group.by = c("seurat_clusters", "labels"),reduction = "umap"))

![46a463668c2e27b91d29295584eee9bb.png][]

![09baf7ff473cc2a0546708cbc0c0d1d9.png][]

**可以看到多了一些hpca没有注视到的细胞类型。**

## **四 注释结果诊断** ##

### **4.1 基于scores within cells** ###

print(plotScoreHeatmap(pbmc.hesc))

![9912fce7cc27e0d0cec5a62f903acdd9.png][]

细胞在一个标签的得分很显著的高于其他标签得分，注释结果比较清晰。

### **4.2 基于 per-cell “deltas”诊断** ###

plotDeltaDistribution(pbmc.hesc, ncol = 3)

![abd4b27d4525ae2b4c8da3501f2eccec.png][]

Delta值低，说明注释结果不是很明确。

### **4.3 与cluster结果比较** ###

tab <- table(label = pbmc.hesc$labels,
                 cluster = meta$seurat_clusters)
    
    pheatmap(log10(tab + 10))

![d2c532069a30d529baa9710e37c6a12b.png][]

![70e00c273c04989003cec5c6c5eedf31.png][]

[Seurat]: https://blog.csdn.net/weixin_56845253/article/details/129249902?spm=1001.2014.3001.5502
[63cd30ad60db68f1f44f4ab06eb9dfd3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/cd371af93f1247b3b53ca264d47a5599.png
[64dcfb6764aeb5665f6c3ee183ab811b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/2652a0e8708b479192d459a9650b8910.png
[23bd4ee4e7a53d25dca22a372873ac2e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/27b8a3117bc4480db9ab153ddbcd02b5.png
[1644de096b025122974f45b8dcb4b5a0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/87584827bd054e02aad2fdefe96b3524.png
[1975d0df6c1406245a009d0bfc855a25.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b228ee40132940f88cbd638252ed1f88.png
[46a463668c2e27b91d29295584eee9bb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/86ce845a06ca405f8db14583bc1191af.png
[09baf7ff473cc2a0546708cbc0c0d1d9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/4603bed2535a4153a4b26b83893bb159.png
[9912fce7cc27e0d0cec5a62f903acdd9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/10b73c29bf584eb09e6488d430051517.png
[abd4b27d4525ae2b4c8da3501f2eccec.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/f655001b3d234cd1bd9e4529dbf47d2e.png
[d2c532069a30d529baa9710e37c6a12b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/4f603bd6692c48d4b14d04f8cccdcadc.png
[70e00c273c04989003cec5c6c5eedf31.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/64c7a5974e554439b59936dbbe57ae3d.png