教程来源：http://bioconductor.org/books/release/OSCA/data-infrastructure.html#background
用一张图展示SingleCellExperiment的结构：
SingleCellExperiment对象中每一个数据代表一个分离的slot（来源于S4对象）。假如我们将SingleCellExperiment比作一艘货船，那么slot可以理解为单个的装载不同货物的boxes，比如有的专门存放数值类型的矩阵，另外一些则单独存放数据框。
在本次学习中，我们讨论可以获得哪些slot，他们的特定格式，我们怎样与他们进行交互。
厉害的人可能早就发现了SingleCellExperiment与SummarizedExperiment对象是一样。
1.存储主要的实验数据
1.1 assay slot
如果只创建一个基本的SingleCellExperiment对象，我们只需要赋值assay 数据槽就可以了（上图中的蓝色框框）。这个slot包含了主要的数据如：counts 矩阵。我们来随便生成一个具有三个细胞和10个基因的count矩阵进行测试。
counts_matrix <- data.frame(cell_1 = rpois(10, 10),
cell_2 = rpois(10, 10),
cell_3 = rpois(10, 30))
rownames(counts_matrix) <- paste0("gene_", 1:10)
counts_matrix <- as.matrix(counts_matrix) # must be a matrix object!
# 生成的矩阵，rpois为随机生成一个具有泊松分布特征的数据
counts_matrix
cell_1 cell_2 cell_3
gene_1 9 11 33
gene_2 10 6 32
gene_3 9 8 28
gene_4 12 7 34
gene_5 8 13 29
gene_6 14 12 24
gene_7 7 12 26
gene_8 4 12 27
gene_9 9 9 26
gene_10 8 7 29
现在，我们可以开始创建SingleCellExperiment对象了，并将数据命名：counts
sce <- SingleCellExperiment(assays = list(counts = counts_matrix))
我们可以直接在命令行输入sce来查看初步的主要信息。
sce
class: SingleCellExperiment
dim: 10 3
metadata(0):
assays(1): counts
rownames(10): gene_1 gene_2 ... gene_9 gene_10
rowData names(0):
colnames(3): cell_1 cell_2 cell_3
colData names(0):
reducedDimNames(0):
altExpNames(0):
有两种方法可以获取counts值：
-
assay(sce, "counts")，这是最常用的方法，第二个参数使用assay的name，就是刚刚我们命名的这个名字：counts -
counts(sce)，这个是上面方法的简写，但是旨在assay具有特殊名字的数据才有效"counts"。
counts(sce)
cell_1 cell_2 cell_3
gene_1 9 11 33
gene_2 10 6 32
gene_3 9 8 28
gene_4 12 7 34
gene_5 8 13 29
gene_6 14 12 24
gene_7 7 12 26
gene_8 4 12 27
gene_9 9 9 26
gene_10 8 7 29
1.2 添加更多的assays
assays数据槽非常强大的原因是它可以存储主要数据的不同格式。这在这个时候非常有用：我想保存原始count矩阵，还想保存标准化后的normalized 版本。现在我们使用scater包来计算标准化并log转换后的数据。
sce <- scater::logNormCounts(sce)
在做单细胞数据分析的时候，你可能已经注意到了我们每次都是对同一个对象如sce进行赋值，那为什么原有数据没有被覆盖掉呢？
# sce对象的assays变成嘞counts和logcounts
sce
class: SingleCellExperiment
dim: 10 3
metadata(0):
assays(2): counts logcounts
rownames(10): gene_1 gene_2 ... gene_9 gene_10
rowData names(0):
colnames(3): cell_1 cell_2 cell_3
colData names(1): sizeFactor
reducedDimNames(0):
altExpNames(0):
sce中此时多了一个assays，原始的counts并没有被覆盖掉。这也是为什么SingleCellExperiment对象特殊的地方，每次返回结果包含了原来的结果，新的结果是增加在对象中而不是替换。
与counts相似，我们也可以使用同样的方法取标化后的值
logcounts(sce)
assay(sce,'logcounts')
cell_1 cell_2 cell_3
gene_1 4.126532 3.701210 3.987843
gene_2 4.456647 3.497187 4.135947
gene_3 3.855265 4.644657 4.312379
gene_4 3.855265 4.542172 3.568449
gene_5 3.697747 3.497187 4.270252
gene_6 4.641056 3.701210 4.135947
gene_7 4.126532 4.830075 4.270252
gene_8 3.319303 4.431846 3.987843
gene_9 4.725113 3.701210 4.270252
gene_10 3.855265 3.879924 4.182118
查看对象中包含的所有assay
assays(sce)
List of length 2
names(2): counts logcounts
上面的功能告诉我们，我们可以自动添加assay到sce对象中，但是更多的时候是使用我们自己的计算方式，但是这个时候返回的并不是SingleCellExperiment对象，不能将结果自动添加到assay中。这个时候想将新计算的结果添加进去怎么办呢？
使用以下方法
counts_100 <- counts(sce) + 100
assay(sce, "counts_100") <- counts_100 # assign a new entry to assays slot
assays(sce) # new assay has now been added.
List of length 3
names(3): counts logcounts counts_100
2.处理metadata
2.1 On the columns
为了注释SingleCellExperiment对象，我们需要增加以下metadata来描述我们的主要数据的列，比如实验的样本或者细胞类型描述。这个数据就保存在colData数据槽中，通常是一个data.frame或者DataFrame，行为细胞，列为对应的元数据如治疗信息，批次信息。
现在，让我们往sce中添加一些细胞信息在colData slot中。
cell_metadata <- data.frame(batch = c(1, 1, 2))
rownames(cell_metadata) <- paste0("cell_", 1:3)
cell_metadata
batch
cell_1 1
cell_2 1
cell_3 2
可以使用两种方式将细胞信息添加到sce对象中去
sce <- SingleCellExperiment(assays = list(counts = counts_matrix),
colData = cell_metadata)
sce
class: SingleCellExperiment
dim: 10 3
metadata(0):
assays(1): counts
rownames(10): gene_1 gene_2 ... gene_9 gene_10
rowData names(0):
colnames(3): cell_1 cell_2 cell_3
colData names(1): batch
reducedDimNames(0):
altExpNames(0):
提取colData信息
colData(sce)
DataFrame with 3 rows and 1 column
batch
cell_1 1
cell_2 1
cell_3 2
# 更简单的取值方式
sce$batch
scater 的addPerCellQC()可以自动计算一些细胞指标并添加到colData数据槽中
sce <- scater::addPerCellQC(sce)
colData(sce)
DataFrame with 3 rows and 8 columns
batch sum detected percent_top_50 percent_top_100 percent_top_200
cell_1 1 110 10 100 100 100
cell_2 1 96 10 100 100 100
cell_3 2 288 10 100 100 100
percent_top_500 total
cell_1 100 110
cell_2 100 96
cell_3 100 288
手动添加更多colData信息
sce$more_stuff <- runif(ncol(sce))
colnames(colData(sce))
[1] "batch" "sum" "detected" "percent_top_50" "percent_top_100"
[6] "percent_top_200" "percent_top_500" "total" "more_stuff"
使用colData取子集
sce[, sce$batch == 1]
class: SingleCellExperiment
dim: 10 2
metadata(0):
assays(1): counts
rownames(10): gene_1 gene_2 ... gene_9 gene_10
rowData names(0):
colnames(2): cell_1 cell_2
colData names(9): batch sum ... total more_stuff
reducedDimNames(0):
altExpNames(0):
2.2 On the rows
存储feature水平的注释为rowData数据槽，rowData是一个DataFrame，行对应基因，保存的信息如：转录本长度，基因名。还有一个rowRanges数据槽保存GRanges或GRangesList对象的基因组坐标。rowRanges保存基因的染色体，起始位置，终止位置。
这两个数据槽可以使用rowRanges()和rowData()获取。
在此处，sce中的rowRanges数据槽没有保存信息，运行会返回一个空值。
rowRanges(sce) # empty
在rowData中添加信息
sce <- scater::addPerFeatureQC(sce)
rowData(sce)
DataFrame with 10 rows and 2 columns
mean detected
gene_1 14.6667 100
gene_2 16.3333 100
gene_3 18.6667 100
gene_4 13.6667 100
gene_5 15.3333 100
gene_6 17.3333 100
gene_7 19.6667 100
gene_8 14.6667 100
gene_9 18.6667 100
gene_10 15.6667 100
与colData相似，rowData在创建SingleCellExperiment对象的时候就已经初始化保存在对象中。具体还要取决于物种，比对和定量使用的注释信息等。
如，使用Ensembl ID，我们可能会使用AnnotationHub 资源获得Ensembl注释对象并提取基因body信息保存在我们的SingleCellExperiment对象的rowRanges中。
library(AnnotationHub)
edb <- AnnotationHub()[["AH73881"]] # Human, Ensembl v97.
genes(edb)[,2]
如何在基因/feature水平提取子集？类似于行操作。
sce[c("gene_1", "gene_4"), ]
sce[c(1, 4), ] # same as above in this case
## class: SingleCellExperiment
## dim: 2 3
## metadata(0):
## assays(1): counts
## rownames(2): gene_1 gene_4
## rowData names(2): mean detected
## colnames(3): cell_1 cell_2 cell_3
## colData names(5): batch sum detected total more_stuff
## reducedDimNames(0):
## altExpNames(0):
2.3 Other metadata
还有一些数据信息不适合存储在colData或者rowData里面，那么可以保存在metadata数据槽中。
它可以是任何你想放的信息。
比如，我们有一些高变基因像保存在sce的slot中，我们就可以加入到metadata中。
my_genes <- c("gene_1", "gene_5")
metadata(sce) <- list(favorite_genes = my_genes)
metadata(sce)
## $favorite_genes
## [1] "gene_1" "gene_5"
我们还可以简单的通过$添加更多信息
your_genes <- c("gene_4", "gene_8")
metadata(sce)$your_genes <- your_genes
metadata(sce)
## $favorite_genes
## [1] "gene_1" "gene_5"
##
## $your_genes
## [1] "gene_4" "gene_8"
3.单细胞特异的fields
总结前面的，我们了解了SingleCellExperiment中的assays，colData，rowData/rowRanges以及metadata数据槽。
这些slots实际上继承自它的parent：SummarizedExperiment。
那么SingleCellExperiment对象还有一些自己的特有的数据槽（slots）。
3.1 Dimensionality reduction results
reducedDims数据槽保存通过PCA或t-SNE降维后的数据，行对应primary data数据的列即cells，列代表维度。由于这个数据槽以list形式保存数据，对同一个数据集，我们可以保存多个PCA/t-SNE/etc。
下面，我们使用来在scater包的runPCA()计算PCA
sce <- scater::logNormCounts(sce)
sce <- scater::runPCA(sce)
reducedDim(sce, "PCA")
## PC1 PC2
## cell_1 -0.6690868 -0.2484418
## cell_2 0.7974507 -0.1451026
## cell_3 -0.1283639 0.3935444
## attr(,"varExplained")
## [1] 0.5500410 0.1188276
## attr(,"percentVar")
## [1] 82.23453 17.76547
## attr(,"rotation")
## PC1 PC2
## gene_3 0.59064322 0.12776255
## gene_9 -0.52370773 -0.15070567
## gene_4 0.37398222 -0.44373578
## gene_5 -0.34759518 -0.23398435
## gene_7 -0.17223272 0.53514989
## gene_10 0.19898391 0.44548482
## gene_8 -0.15868758 0.34292404
## gene_2 0.08684966 -0.21813365
## gene_1 -0.11744576 -0.01881143
## gene_6 -0.02022031 -0.24277404
同样，使用runTSNE()计算t-SNE。
sce <- scater::runTSNE(sce, perplexity = 0.1)
reducedDim(sce, "TSNE")
## [,1] [,2]
## cell_1 5694.636 -88.68314
## cell_2 -2769.304 4975.60635
## cell_3 -2925.333 -4886.92321
我们可以使用reducedDims(sce)查看sce的降维数据列表，注意与reducedDim()的区别。
reducedDims(sce)
## List of length 2
## names(2): PCA TSNE
同样，可以手动添加对象到reducedDims()数据槽中。
使用uwot包的umap()函数，生成UMAP坐标保存到reducedDims中去。
u <- uwot::umap(t(logcounts(sce)), n_neighbors = 2)
reducedDim(sce, "UMAP_uwot") <- u
reducedDims(sce) # Now stored in the object.
## List of length 3
## names(3): PCA TSNE UMAP_uwot
reducedDim(sce, "UMAP_uwot")
## [,1] [,2]
## cell_1 0.69215895 0.07642523
## cell_2 -0.59922171 0.26388137
## cell_3 -0.09293724 -0.34030660
## attr(,"scaled:center")
## [1] -0.6138766 -11.2867896
3.2 可选的Experiments
这个地方可以保存如 spike-in等的信息。
如果我们有可选的feature信息，我们可以保存在 SingleCellExperiment中。
spike_counts <- cbind(cell_1 = rpois(5, 10),
cell_2 = rpois(5, 10),
cell_3 = rpois(5, 30))
rownames(spike_counts) <- paste0("spike_", 1:5)
spike_se <- SummarizedExperiment(list(counts=spike_counts))
spike_se
## class: SummarizedExperiment
## dim: 5 3
## metadata(0):
## assays(1): counts
## rownames(5): spike_1 spike_2 spike_3 spike_4 spike_5
## rowData names(0):
## colnames(3): cell_1 cell_2 cell_3
## colData names(0):
然后使用altExp()保存在sce对象中
altExp(sce, "spike") <- spike_se
altExps(sce)
## List of length 1
## names(1): spike
提取
altExp(sce, "spike") <- spike_se
altExps(sce)
## List of length 1
## names(1): spike
取子集
sub <- sce[,1:2] # retain only two samples.
altExp(sub, "spike")
## class: SummarizedExperiment
## dim: 5 2
## metadata(0):
## assays(1): counts
## rownames(5): spike_1 spike_2 spike_3 spike_4 spike_5
## rowData names(0):
## colnames(2): cell_1 cell_2
## colData names(0):
所有的SummarizedExperiment对象都可以保存在Experiments中，甚至是SingleCellExperiment。
3.3 Size factors
sizeFactors()返回每一个细胞的标化因子组成的数值型向量，用于后续的标准化。
一般是自动生成。
如，使用scran包生成。
sce <- scran::computeSumFactors(sce)
sizeFactors(sce)
## [1] 0.5856574 0.6095618 1.8047809
手动添加
sizeFactors(sce) <- scater::librarySizeFactors(sce)
sizeFactors(sce)
## cell_1 cell_2 cell_3
## 0.5856574 0.6095618 1.8047809
3.4 Column labels
colLabels()函数返回每个细胞标签的因子或向量，通常与非监督聚类的分组信息相关。
colLabels(sce) <- LETTERS[1:3]
colLabels(sce)
## [1] "A" "B" "C"
4.总结
SingleCellExperiment对象为单细胞相关的包提供了一个基石，生于一个包，可以为许多包的输入。
- assays
- colData
- rowData
- metadata
- reducedDims
- altExp
- sizeFactors
- colLabels()
后续，我们将使用SingleCellExperiment作为后续基本数据结构。
至此，再回头看看开始的那张图吧！
突然有了种，能随心所欲的感觉！
书还是看少了啊！