10X单细胞测序细胞分类

介绍

文章对已知的多种细胞系混合后进行单细胞10X RNA测序，研究多克隆之间的互作模式。我们这里介绍里面的单细胞测序基因表达细胞分类操作。不过文章选用的是已知固有SNP进行分类，基因表达分类用于和SNP分类进行比较。

代码讲解

读入QC后的seurat obj，过滤代码见之前的博客http://www.thecodesearch.com/2021/01/28/%e5%8d%95%e7%bb%86%e8%83%9erna%e6%b5%8b%e5%ba%8fqc%e5%b7%b2%e7%9f%a5%e6%a0%b7%e6%9c%acsnp/

根据测序的细胞系个数设定参数, n_pcs是主成分分析时主成分个数， clust_res是运行FindCluster函数的resolution参数

n_cls <- nlevels(seuObj)
n_pcs <- 2*n_cls
if(n_cls > 25-param_range & n_cls < 25+param_range) {
  clust_res <- 1
} else if(n_cls > 50-param_range & n_cls < 50+param_range) {
  clust_res <- 2
} else if(n_cls > 100-param_range & n_cls < 100+param_range) {
  clust_res <- 4
} else {
  stop('Not implemented')
}

根据之前QC时的标记，选择过质控的细胞

#use just good singlets
cq <- Seurat::FetchData(seuObj, vars = c('cell_quality'))
seuObj <- seuObj[, which(cq$cell_quality == 'normal')]

进行细胞分类

seuObj <- Seurat::ScaleData(object = seuObj, vars.to.regress = vtr)
seuObj <- Seurat::FindVariableFeatures(object = seuObj,
                                       nfeatures = 1e5,
                                       selection.method = 'vst')
seuObj <- Seurat::RunPCA(object = seuObj,
                         features = Seurat::VariableFeatures(seuObj),
                         seed.use = 1,
                         npcs = n_pcs,
                         verbose = FALSE)

seuObj <- Seurat::RunTSNE(object = seuObj,
                          dims = 1:n_pcs,
                          check_duplicates = FALSE,
                          seed.use = 1,
                          perplexity = 30,
                          verbose = FALSE) 

#cluster cells
seuObj <- Seurat::FindNeighbors(seuObj, reduction = 'pca',
                                dims = 1:n_pcs,
                                k.param = 10, 
                                force.recalc = TRUE,
                                verbose = FALSE)
seuObj <- Seurat::FindClusters(seuObj, resolution = clust_res, verbose = FALSE)

原文出处

http://www.thecodesearch.com/2021/02/04/10x单细胞测序细胞分类/