单细胞中应该如何做GSVA?

此前我们已经花了三篇推送的篇幅去详细介绍了GSVA:

文献阅读系列(九)、一文了解GSVA原理

三行搞定GSVA分析

一文搞定GSVA及下游分析的代码实现

做这一系列的推送是因为我在做单细胞测序时遇到了一些问题:

1、Seurat对象中的矩阵那么多,我们应该取出哪一个用于GSVA分析?

2、Seurat的矩阵那么大,我可不可以取出仅包含目的基因的矩阵做GSVA分析?

我们来回答一下
问题1:根据我们在一文搞定GSVA及下游分析的代码实现中的描述,GSVA的输入数据可以是原始的counts数据,也可以是RNA-seq的表达量,如:log-CPMs,log-RPKMs or log-TPMs。确实离我第一次做单细胞测序过去了太久的时间,很久都没有思考过这么上游的问题,特意地回去复习了一下自己之前的视频:手把手教你做单细胞测序(三)——单样本分析。显然,作为一个稀疏矩阵,scRNA-Seq的counts与RNA-Seq的counts是具有天壤之别的,因此Seurat中的counts(也就是你最初read10X()时得到的那个dgMatrix)是不推荐使用的。那么Seurat对象中还存有两个矩阵,一个是NormalizeData()函数产生的标准化后的矩阵,这个矩阵是取过log的,类似于完成了log1p的操作,得到的结果就类似于TPM的对数,存在pbmc[["RNA"]]@data里。另一个是Scale()函数以各个细胞为方向归一化之后的矩阵,存在pbmc[["RNA"]]@scale.data。考虑到GSVA计算前还会进行一步Scale的操作,这里我认为输入pbmc[["RNA"]]@data的数据是最优的选择。可能上面这段文字还是会让大多数读者摸不着头脑,那我们来实战一下:还是以我们在单样本中用到的‘pbmc’数据为例:

先准备一下测试数据集

library(Seurat)
## Warning: package 'Seurat' was built under R version 4.0.5
## Registered S3 method overwritten by 'spatstat.geom':
##   method      from  
##   plot.imlist imager
## Attaching SeuratObject
pbmc <- readRDS('pbmc.rds')
DimPlot(pbmc)
image.png
pbmc$celltype <- Idents(pbmc)
pbmc <- subset(pbmc,idents = c('B','NK'))

准备基因集

#找到B cell相较于NK而言表达量最高的10个基因和表达量最低的10个基因
bcell.marker <- FindMarkers(pbmc,ident.1 = 'B',ident.2 = 'NK')
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.0.5
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
top10gene <- bcell.marker %>% top_n(n = 10, wt = avg_log2FC) %>% rownames()
bottom10gene <- bcell.marker %>% top_n(n = -10, wt = avg_log2FC) %>% rownames()

#构建基因集用于GSVA
mygeneset <- cbind(top10gene,bottom10gene)
mygeneset <- as.data.frame(mygeneset)

表达量,你得这么取

gene.expr <-  as.matrix(pbmc[["RNA"]]@data)
dim(gene.expr)
## [1] 13714   499

GSVA 分析反而是最容易的
如果你这里看不明白,参考一下我们前面的几篇推送

library(GSVA)
gsva.result <- GSVA::gsva(gene.expr, mygeneset,kcdf='Gaussian')
## Warning in .filterFeatures(expr, method): 1518 genes with constant expression
## values throuhgout the samples.
## Warning in .filterFeatures(expr, method): Since argument method!="ssgsea", genes
## with constant expression values are discarded.
## Estimating GSVA scores for 2 gene sets.
## Estimating ECDFs with Gaussian kernels
## 
  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |===================================                                   |  50%
  |                                                                            
  |======================================================================| 100%

处理一下表达矩阵

mymatrix <- t(gsva.result)
mymatrix <- cbind(mymatrix,as.data.frame(pbmc$celltype))
colnames(mymatrix)[ncol(mymatrix)] <- 'celltype'
head(mymatrix)
##                   top10gene bottom10gene celltype
## AAACATTGAGCTAC-1  0.2632557   -0.7344146        B
## AAACCGTGTATGCG-1 -0.9260627    0.7892429       NK
## AAACTTGAAAAACG-1 -0.0721821   -0.7002969        B
## AAAGGCCTGTCTAG-1 -0.1673577   -0.3768904        B
## AAAGTTTGATCACG-1  0.6417520   -0.9512555        B
## AAAGTTTGGGGTGA-1  0.1239729   -0.6812606        B

把这两个通路的GSVA结果画成箱线图

library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.0.5
mytop <- ggplot2::ggplot(mymatrix,aes(x=celltype,y=top10gene,fill=celltype))+
  geom_boxplot(alpha=0.7)+
  scale_y_continuous(name = "Expression")+
  scale_x_discrete(name="Celltype")+
  labs(title ='B Cell Top10gene')


mybottom <- ggplot2::ggplot(mymatrix,aes(x=celltype,y=bottom10gene,fill=celltype))+
  geom_boxplot(alpha=0.7)+
  scale_y_continuous(name = "Expression")+
  scale_x_discrete(name="Celltype")+
  labs(title ='B cell bottom10gene')
library(patchwork)
mytop|mybottom
image.png

可以看出,这两个基因集的表达量是符合我们的预期的

GSVA 差异分析你可以参考这篇:

一文搞定GSVA及下游分析的代码实现

不想写代码,我也写了在线工具给你们:

给你安排一个懂生信的工具人(七):不会有人真的只会做T检验吧

问题2:
这个问题其实我们也在文献阅读系列(九)、一文了解GSVA原理谈到过,简单来说,下面这个中间量的计算公式中的P值是矩阵的基因数,也就是说P值的改动是会影响最终的GSVA score的

image.png

还是先准备一下测试数据集

library(Seurat)
## Warning: package 'Seurat' was built under R version 4.0.5
## Registered S3 method overwritten by 'spatstat.geom':
##   method      from  
##   plot.imlist imager
## Attaching SeuratObject
pbmc <- readRDS('pbmc.rds')
DimPlot(pbmc)
image.png
pbmc$celltype <- Idents(pbmc)
pbmc <- subset(pbmc,idents = c('B','NK'))

还是准备好基因集

bcell.marker <- FindMarkers(pbmc,ident.1 = 'B',ident.2 = 'NK')
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.0.5
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
top10gene <- bcell.marker %>% top_n(n = 10, wt = avg_log2FC) %>% rownames()
top10gene <- as.data.frame(top10gene)

准备完整的和仅包含目的基因的矩阵,进行GSVA分析

all.gene.expr <-  as.matrix(pbmc[["RNA"]]@data)
part.gene.expr <-  as.matrix(pbmc[["RNA"]]@data)[top10gene[,1],]

library(GSVA)
system.time(all.gsvs.result <- GSVA::gsva(all.gene.expr, top10gene,kcdf='Gaussian'))
## Warning in .filterFeatures(expr, method): 1518 genes with constant expression
## values throuhgout the samples.
## Warning in .filterFeatures(expr, method): Since argument method!="ssgsea", genes
## with constant expression values are discarded.
## Estimating GSVA scores for 1 gene sets.
## Estimating ECDFs with Gaussian kernels
## 
  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |======================================================================| 100%
##    user  system elapsed 
##    9.86    0.32   10.18
system.time(part.gsva.result <- GSVA::gsva(part.gene.expr, top10gene,kcdf='Gaussian'))
## Estimating GSVA scores for 1 gene sets.
## Estimating ECDFs with Gaussian kernels
## 
  |                                                                            
  |                                                                      |   0%
  |                                                                            
  |======================================================================| 100%
##    user  system elapsed 
##    0.11    0.00    0.11
#时间上确实节省了很多,那我们来看看结果有什么差别

all.gsvs.result[,1:10]
## AAACATTGAGCTAC-1 AAACCGTGTATGCG-1 AAACTTGAAAAACG-1 AAAGGCCTGTCTAG-1 
##        0.2632557       -0.9260627       -0.0721821       -0.1673577 
## AAAGTTTGATCACG-1 AAAGTTTGGGGTGA-1 AAATCAACAATGCC-1 AAATCCCTGCTATG-1 
##        0.6417520        0.1239729        0.4371864        0.5609500 
## AAATTCGATTCTCA-1 AACCGATGGTCATG-1 
##       -0.8307829        0.9135073
part.gsva.result[,1:10]
## AAACATTGAGCTAC-1 AAACCGTGTATGCG-1 AAACTTGAAAAACG-1 AAAGGCCTGTCTAG-1 
##                1                1                1                1 
## AAAGTTTGATCACG-1 AAAGTTTGGGGTGA-1 AAATCAACAATGCC-1 AAATCCCTGCTATG-1 
##                1                1                1                1 
## AAATTCGATTCTCA-1 AACCGATGGTCATG-1 
##                1                1
table(all.gsvs.result==part.gsva.result)#好嘛,一点都不一样了
## 
## FALSE 
##   499

跟之前一样,还是画个箱线图来看一下效果

mymatrix <- cbind(t(all.gsvs.result),t(part.gsva.result),as.data.frame(pbmc$celltype))

colnames(mymatrix) <- c('All','Part','celltype')
head(mymatrix)
##                         All Part celltype
## AAACATTGAGCTAC-1  0.2632557    1        B
## AAACCGTGTATGCG-1 -0.9260627    1       NK
## AAACTTGAAAAACG-1 -0.0721821    1        B
## AAAGGCCTGTCTAG-1 -0.1673577    1        B
## AAAGTTTGATCACG-1  0.6417520    1        B
## AAAGTTTGGGGTGA-1  0.1239729    1        B
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.0.5
myall <- ggplot2::ggplot(mymatrix,aes(x=celltype,y=All,fill=celltype))+
  geom_boxplot(alpha=0.7)+
  scale_y_continuous(name = "Expression")+
  scale_x_discrete(name="Celltype")+
  labs(title ='all gene for geva')


mypart <- ggplot2::ggplot(mymatrix,aes(x=celltype,y=Part,fill=celltype))+
  geom_boxplot(alpha=0.7)+
  scale_y_continuous(name = "Expression")+
  scale_x_discrete(name="Celltype")+
  labs(title ='part gene for gsva')

library(patchwork)
myall|mypart

image.png

这结果不用解读了,以后大家进行GSVA分析,配置允许的情况下最好还是选择所有基因的表达矩阵作为输入数据,这里我们举的例子比较极端,只输入目的基因的表达矩阵会导致所有的gsva score变成1,当你有很多个基因集的时候这种情况可能会好转,但是这种偏差仍然是存在的。

欢迎关同名公众号~

©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 203,271评论 5 476
  • 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 85,275评论 2 380
  • 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 150,151评论 0 336
  • 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 54,550评论 1 273
  • 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 63,553评论 5 365
  • 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 48,559评论 1 281
  • 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 37,924评论 3 395
  • 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 36,580评论 0 257
  • 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 40,826评论 1 297
  • 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 35,578评论 2 320
  • 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 37,661评论 1 329
  • 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 33,363评论 4 318
  • 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 38,940评论 3 307
  • 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 29,926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 31,156评论 1 259
  • 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 42,872评论 2 349
  • 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 42,391评论 2 342

推荐阅读更多精彩内容