跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释
书接上回（跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类）。完成数据降维和细胞聚类后，最主要的环节和工作就是确定各个细胞群，明确是什么类型的细胞，正群的细胞定群很关键，涉及到整个研究，所以这一步宁愿多费时间，也不要出错。当然，这也不是一蹴而就的，需要反复的确认。
要确定各个群是什么细胞，首先需要了解细胞群的marker基因，因为不同类型的细胞突出 表达的基因也是不同的。这里使用FindAllMarkers鉴定各个细胞群的高表达基因。
DefaultAssay(scedata) <- "RNA"
all.markers <- FindAllMarkers(scedata,
only.pos = TRUE,
min.pct = 0.25,
logfc.threshold = 0.75)
significant.markers <- all.markers [all.markers $p_val_adj < 0.2, ]
write.csv(significant.markers, file = "significant.markers.csv")#保存
Seurat提供了几种函数例如FeaturePlot()、DotPlot()和DoHeatmap()，按照文章中的mrker基因，做一下可视化。
markers <- c("ACKR1","RAMP2","SELE","VWF","PECAM1",
"LUM","COL3A1","DCN","COL1A1","CFD",
"KRT14","KRT5","S100A2","CSTA","SPRR1B",
"CD69","CD52","CXCR4","PTPRC","HCST")
DotPlot(scedata,features = markers)+coord_flip()
点图：
图片
UMAP图：
FeaturePlot(scedata,features = c("ACKR1","LUM","KRT14","CD69"))
热图：
alldata <- ScaleData(scedata,
features = markers,
assay = "RNA")
DoHeatmap(alldata,
features = markers,
group.by = "seurat_clusters",
assay = "RNA")
图片
很显然，这些都是默认出图，距离发文章还是有一定距离的，后期我们会专门讲解个性化的修饰，争取可视化更好。
接下来就是细胞定群了，对各个细胞群命名。细胞定群有很多方法，目前也有很多工具，但是依照小编的经验，自动定群等一般结果不是完全正确，况且操作复杂，为了保证正确性，最使用的办法还是查询文献定群。定群后，对细胞群重命名。
scedata <- subset(scedata, idents = c("21"), invert = TRUE)#去掉低质量细胞群
new.cluster.ids <- c("0"="Fibroblast",
"1"="Endothelial",
"2"="Endothelial",
"3"="Endothelial",
"4"="Immune",
"5"="Immune",
"6"="Endothelial",
"7"="Fibroblast",
"8"="Other",
"9"="Immune",
"10"="Epithelial",
"11"="Endothelial",
"12"="Fibroblast",
"13"="Immune",
"14"="Other",
"15"="Immune",
"16"="Fibroblast",
"17"="Endothelial",
"18"="Fibroblast",
"19"="Epithelial",
"20"="Endothelial",
"22"="Immune",
"23"="Immune",
"24"="Immune",
"25"="Epithelial",
"26"="Immune",
"27"="Immune",
"28"="Immune",
"29"="Other")
scedata <- RenameIdents(scedata, new.cluster.ids)
scedata$celltype <- [email protected]
DimPlot(scedata, group.by = "celltype")
save(scedata, file = "scedata.RData")
图片
最后将命名的文件保存，可视化细胞群！在进行下一步工作之前，之后的内容将会是对目前这些图形结果的修饰和个性化可视化！