說(shuō)在前面
我們?cè)谇懊嫱ㄟ^(guò)3篇推文介紹了張澤民老師的系列研究成果張澤民老師系列文章解讀(一)，然后又通過(guò)兩篇文章介紹了張老師開(kāi)發(fā)的兩個(gè)軟件：SciBet:一個(gè)軟件解決單細(xì)胞注釋所有煩惱; iMAP: 單細(xì)胞數(shù)據(jù)整合工具天花板。那么今天，Immugent再帶來(lái)一款張老師開(kāi)發(fā)的用于評(píng)估細(xì)胞亞群純度的軟件：ROGUE。
相應(yīng)文章發(fā)表在NATURE COMMUNICATIONS雜志上，篇名為：An entropy-based metric for assessing the purity of single cell populations，下面我們就通過(guò)實(shí)操來(lái)展示這個(gè)R包的用法。
代碼實(shí)現(xiàn)
這個(gè)R包非常靈巧，也很好安裝。。。
devtools::install_github("PaulingLiu/ROGUE")
suppressMessages(library(ROGUE))
suppressMessages(library(ggplot2))
suppressMessages(library(tidyverse))
模擬數(shù)據(jù)有兩個(gè)，在這里：expression和 meta,先下載好，然后放在相應(yīng)的文件夾下
expr <- readr::read_rds(path = "~/DC.rds.gz")
meta <- readr::read_rds(path = "~/info.rds.gz")
expr[1:5, 1:4]
head(meta)
#過(guò)濾掉低質(zhì)量細(xì)胞
expr <- matr.filter(expr, min.cells = 10, min.genes = 10)
ent.res <- SE_fun(expr)
head(ent.res)
SEplot(ent.res)
通過(guò)ROGUE鑒定出的信息豐富的基因，可用于后續(xù)的聚類(lèi)分析和偽時(shí)間分析。
rogue.value <- CalculateRogue(ent.res, platform = "UMI")
rogue.value
rogue.res <- rogue(expr, labels = meta$ct, samples = meta$Patient, platform = "UMI", span = 0.6)
rogue.res
rogue.boxplot(rogue.res)
ROGUE評(píng)分默認(rèn)>0.9時(shí)是一致性比較高的細(xì)胞亞類(lèi)，從這個(gè)結(jié)果可以看到DC2的異質(zhì)性比較高，需要進(jìn)一步分群。。。
小結(jié)
單細(xì)胞數(shù)據(jù)分析最重要的一步就是細(xì)胞亞群的注釋，但是究竟分多少群合適？對(duì)很多小伙伴來(lái)說(shuō)都是一個(gè)哲學(xué)性質(zhì)的問(wèn)題，例如下面這幅圖，我們可以根據(jù)自己的喜好分成2-5群，但是這樣顯然不符合科研的嚴(yán)謹(jǐn)性，因?yàn)槔碚撋线@是根據(jù)本質(zhì)已經(jīng)確定是。
通過(guò)ROGUE我們就可以判斷出，最少分成3群才比較準(zhǔn)確，4，5群時(shí)就沒(méi)有本質(zhì)的改變。這樣就把上面提出的感性問(wèn)題變成了用事實(shí)說(shuō)話的理性解釋。
好啦，本次分享我們到這就結(jié)束了，歡迎對(duì)ROGUE感興趣的小伙伴通過(guò)后臺(tái)與我們聯(lián)系。。
上一篇張澤民老師系列文章解讀-綜述篇下一篇iMAP: 單細(xì)胞數(shù)據(jù)整合工具天花板
