此文章可幫助你查看自己的數(shù)據(jù)受否受細(xì)胞周期的影響，并以降維圖的形式清晰明了的展示。

文章中其中用到的文件獲取方式https：//pan。baidu。com/s/1HCsHRXNX9Il8u8RIPXSEug?pwd=2626

在進(jìn)行單細(xì)胞分析時，由于細(xì)胞會處于各種細(xì)胞周期，此時不同類型地細(xì)胞可能因此表達(dá)相同細(xì)胞周期相關(guān)地基因，這些細(xì)胞周期相關(guān)基因會影響降維地效果，因此有必要進(jìn)行細(xì)胞周期分析，將細(xì)胞周期相關(guān)地基因通過一定地方法回歸掉，以此降低細(xì)胞周期相關(guān)基因?qū)稻S地影響。

10X單細(xì)胞轉(zhuǎn)錄組測序—常規(guī)流程 - 簡書 (jianshu.com)

在我之前的文章中有包含細(xì)胞周期分析，甚至在剛開始的時候就已經(jīng)將周期相關(guān)基因全部刪掉了，在這里再做一個詳細(xì)的介紹。

在進(jìn)行完高變基因分析后，可將得到的seurat對象PBMC.all保存成PBMC.all2，用PBMC.all2進(jìn)行以下分析，分析完再按照原文章中的流程繼續(xù)分析。

首先進(jìn)行一遍最普通的降維分析 歡迎

PBMC.all2 <- ScaleData(PBMC.all,features = rownames(PBMC.all),split.by = "orig.ident")
PBMC.all2 <- RunPCA(PBMC.all2, npcs=30,features = VariableFeatures(PBMC.all2))
PBMC.all2 <- RunHarmony(PBMC.all2,'orig.ident')
PBMC.all2 <- FindNeighbors(PBMC.all2,reduction = "harmony",dims = 1:30)
PBMC.all2 <- FindClusters(object = PBMC.all2,resolution = 1)
PBMC.all2 <- RunTSNE(PBMC.all2,dims = 1:30,reduction = "harmony")
PBMC.all2 <- RunUMAP(PBMC.all2,dims = 1:30,reduction = "harmony")

細(xì)胞周期分析 關(guān)注

由于我的樣本是小鼠樣本，基因名為小寫格式，但seurat包里只提供了人類的大寫的細(xì)胞周期基因，需要進(jìn)行轉(zhuǎn)化，這里你可以在文章開始處直接獲取mouse_cell_cycle_genes.rds，然后進(jìn)行周期分析。

mouse_cell_cycle_genes <- readRDS("E:/project/celldex數(shù)據(jù)庫/mouse_cell_cycle_genes.rds")
s.genes=mouse_cell_cycle_genes[[1]]
g2m.genes=mouse_cell_cycle_genes[[2]]
PBMC.all2 <- CellCycleScoring(PBMC.all2, s.features = s.genes, g2m.features = g2m.genes)
PBMC.all2@meta.data  %>% ggplot(aes(S.Score,G2M.Score))+geom_point(aes(color=Phase))+  theme_minimal()

查看細(xì)胞周期的分布 公

DimPlot(PBMC.all2,reduction = "umap" ,group.by = "Phase")
DimPlot(PBMC.all2,reduction = "tsne" ,group.by = "Phase")
FeaturePlot(PBMC.all2,features = c("Pcna","Mki67"),reduction = "umap")
FeaturePlot(PBMC.all2,features = c("Pcna","Mki67"),reduction = "tsne")

不出意外的話，不同周期會區(qū)分的很明顯，且相關(guān)基因也會分布不均勻。

去除細(xì)胞周期的影響 眾

PBMC.all2 = ScaleData(PBMC.all2, vars.to.regress = c("S.Score", "G2M.Score"),                     features = rownames(PBMC.all2),split.by = "orig.ident")
PBMC.all2 <- RunPCA(PBMC.all2, npcs=30,features = VariableFeatures(PBMC.all2))
PBMC.all2 <- RunHarmony(PBMC.all2,'orig.ident')PBMC.all2 = FindNeighbors(PBMC.all2,reduction = "harmony",dims = 1:30)
PBMC.all2 <- FindClusters(object = PBMC.all2,resolution = 1)
PBMC.all2 <- RunTSNE(PBMC.all2,dims = 1:30,reduction = "harmony")
PBMC.all2 <- RunUMAP(PBMC.all2,dims = 1:30,reduction = "harmony")

去除后周期分布 號②⑥號宇宙

DimPlot(PBMC.all2, reduction = "umap",group.by = "Phase")
DimPlot(PBMC.all2, reduction = "tsne",group.by = "Phase") 
FeaturePlot(PBMC.all2,features = c("Pcna","Mki67"),reduction = "umap")
FeaturePlot(PBMC.all2,features = c("Pcna","Mki67"),reduction = "tsne")

不出意外的話會發(fā)現(xiàn)周期分布變均勻了，且基因的分布也會變均勻，但也會出現(xiàn)去除效果不好的現(xiàn)象，實(shí)屬正常，不會有非常完美的去除效果，總會有瑕疵存在。若細(xì)胞周期基因不在研究范圍內(nèi)，可直接將細(xì)胞周期相關(guān)基因刪掉。刪除方法如下：

dim(PBMC.all2)
PBMC.all2 <- PBMC.all2[!grepl("^mt-", rownames(PBMC.all2)), ]
dim(PBMC.all2)