2020-08-19 发表在Cell的单细胞文章如何预处理10X和SmartSeq2数据

方法部分还是很有参考价值的

测序至获取细胞


10X测序技术
比对至GRCH38
R包dropletUtils的emptyDrops()函数将真实的细胞同背景RNA表达区分开

拿到细胞后质控

根据比对的UMIs,比对的基因数和比对到线粒体的基因比例进行QC
很有意思的是,以gene为例,过滤阈值为log10(中位文库大小)-3*绝对中位值

绝对中位值的缩写为MAD,参考https://www.zhihu.com/question/56537218

去除doublets


对于一个样本:
计算doublet评分doubletCells()
基于全部基因的PCA,获得50个PC
建SNN图,10个近邻buildSNNGraph()
Louvain聚类算法聚类,聚类时只使用HVGsigraph::cluster_louvain()
聚类之后得到的clusters
在各个clusters中再聚类得到clusters’,将每个cluster中全部细胞的doublet score中位分值作为该cluster的doublet评分
median-centered MAD-variance normal distribution,doublet评分为该极分布的极端值(BH校正P值<0.1)标记为doublets,虽然这个知道这个分布是什么需要更深的统计学知识,但基本思想还是拟合统计分布和进行假设检验

10X标准化


counts除以size factor再log2转换,这里用到一个computeSumFactors函数,看来这个函数并没有简单地将每个细胞的文库大小看待成size factor,经过这一步之后,不同细胞间的基因表达便可比了

Smart-Seq2预处理和10X类似

少了丢弃背景噪音和doublets的步骤,确实也没有必要
质控和10X类似,不同的是使用10%线粒体基因比例作为过滤阈值

10X和SmartSeq-2的整合

整合数据第一步还是鉴定HVGs,使用的方法类似于vst,拟合平均值和方差的关系,除去平均值可以解释变异后,再在残差中计算biological variation(大致的原理,请专业人士指正)
HVGs用于PCA降维MultiBatchPCA()
再根据协变量整合(integrate)数据,这里的协变量包括患者和测序技术HarmonyMatrix()
得到的矩阵再使用scanpy包建SNN图
SNN图使用leiden聚类(leiden聚类在发现相连接的社群方面优于Louvain)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,898评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,401评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,058评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,539评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,382评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,319评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,706评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,370评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,664评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,715评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,476评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,326评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,730评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,003评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,275评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,683评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,877评论 2 335