对应原版教程4章 http://bioconductor.org/books/release/OSCA/
SingleCellExperiment数据结构（下面简称sce）基于SummarizedExperiment衍生而来，专门用于存储scRNA-seq数据。这是导入测序比对数据到R的第一步，也是之后分析流程的主要对象。

1、sce主要结构组成

如下图所示，我目前对sce结构的理解是，围绕scRNA-seq的原始count数据，储存了4组相关信息

（1）Assays，即counts表达矩阵的标准化处理的矩阵(可以有任意多种，但常见的也就两三种)；
（2）colData，即scRNA-seq的每个细胞的信息(例如批次信息、分组信息、表达概况信息)；
（3）rowData，即scRNA-seq的每个基因的信息(例如表达概况、不同类基因名ID)；
（4）reducedDims，即每个细胞的降维特征信息(主要有PCA、tSNE、uMAP三类)

2、R包准备与简单构建sce

2.1 R包安装

主要用到两个包：SingleCellExperiment，是构建sce对象的基础包；scater，是分析scRNA-seq的常用工具包之一。

BiocManager::install('SingleCellExperiment')
BiocManager::install('scater')
library(SingleCellExperiment)
library(scater)

值得一提的是加载基于sce的单细胞分析工具包时都会自动加载包括SingleCellExperiment在内的依赖包。

2.2 简单构建sce

简单构建sce对象只需要提供单细胞count表达矩阵即可；
如下，模拟一个包含3个细胞，比对到10个基因上的count表达矩阵

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!
#           cell_1 cell_2 cell_3
# gene_1      17     12     21
# gene_2      14      6     36
# gene_3      12     11     30
# gene_4       8     15     26
# gene_5      15     11     31
# gene_6       9      8     29
# gene_7       8     12     28
# gene_8       7     10     32
# gene_9       9     10     27
# gene_10      6      6     26

然后套到下面这个命令里即可

sce <- SingleCellExperiment(assays = list(counts = counts_matrix))
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):

3、sce四组成

3.1 标准化数据之assays

3.2 细胞信息之colData

主要包括两类：一是细胞的实验、分组等信息；二是根据表达矩阵概括的每个细胞的表达信息。
相关函数命令有
colData(sce) 查看当前sce对象所有的细胞信息；配合$美元符可方便的用于查看或新添某一条colData。尤其特殊一点是colData(sce)$foo等价于sce$foo

#当前sce有一条sizeFactor cell-info，为scater::logNormCounts时自动添加的
colData(sce) 
# DataFrame with 3 rows and 1 column
# sizeFactor
# 
# cell_1   0.640244
# cell_2   0.615854
# cell_3   1.743902

#添加批次信息
#colData(sce)$batch
sce$batch=c(1,1,2)  #注意顺序要一致
colnames(colData(sce))
#[1] "batch"      "sizeFactor"

#也可在构建sce对象时，就添加上
cell_metadata <- data.frame(batch = c(1, 1, 2))
rownames(cell_metadata) <- paste0("cell_", 1:3)
sce <- SingleCellExperiment(assays = list(counts = counts_matrix),
                            colData = cell_metadata)

#利用scater包，注释每个细胞的表达概况
sce <- scater::addPerCellQC(sce)
colData(sce)
# DataFrame with 3 rows and 9 columns
# batch sizeFactor       sum  detected percent_top_50 percent_top_100 percent_top_200 percent_top_500     total
#                                           
# cell_1         1   0.640244       105        10            100             100             100             100       105
# cell_2         1   0.615854       101        10            100             100             100             100       101
# cell_3         2   1.743902       286        10            100             100             100             100       286

3.3 gene信息之colData

我目前所认识主要包括两类：一是不同种基因ID，二是基因的表达情况
相关函数命令有
rowData(sce)

#利用scater包注释基因的表达情况
sce <- scater::addPerFeatureQC(sce)
rowData(sce)
# DataFrame with 10 rows and 2 columns
# mean  detected
#  
# gene_1    16.6667       100
# gene_2    18.6667       100
# gene_3    17.6667       100
# gene_4    16.3333       100
# gene_5    19.0000       100
# gene_6    15.3333       100
# gene_7    16.0000       100
# gene_8    16.3333       100
# gene_9    15.3333       100
# gene_10   12.6667       100

3.4 细胞降维信息之reducedDims

细胞降维信息，简单来说就是根据每个细胞的上千维表达情况压缩成几十个，甚至几个特征属性从而概括这个细胞的表达特征。方式有很多，常见的有三种PCA、tSNE、uMAP
相关函数有
reduceDims(sce) #查看当前sce有几种降维结果
reduceDim(sce, "name") #查看具体某一种降维结果
reduceDim(sce, "new_name") = foo #添加新一种降维结果，不过一个直接在sce对象中添加

reducedDims(sce)
# List of length 0
# names(0):

#利用scater包进行PCA降维
sce <- runPCA(sce)
reducedDims(sce)
# List of length 1
# names(1): PCA
reducedDim(sce, "PCA")
# PC1        PC2
# cell_1 -0.8716428822 -0.4312495
# cell_2  0.8713921135 -0.4316219
# cell_3  0.0002507686  0.8628713
# attr(,"percentVar")
# [1] 57.63049 42.36951
# attr(,"rotation")
# PC1         PC2
# gene_2  -0.62521538  0.35993511
# gene_1  -0.24546126 -0.66840778
# gene_4   0.52198543 -0.16823377
# gene_8   0.30446210  0.33370288
# gene_10  0.02919931  0.45728195
# gene_7   0.34545403  0.02830107
# gene_5  -0.21410318 -0.14912623
# gene_6  -0.06079117  0.21677758
# gene_9   0.11194401  0.02541130
# gene_3  -0.03781870 -0.06506096

4、sce取子集

如上，sce的四部分都是基于原始的细胞名和gene名搭建的。
如果只取其中一个细胞信息，则其余注释信息也当相应的取该细胞的注释信息；同理对基因筛选也是。

sce
# class: SingleCellExperiment 
# dim: 10 3 
# metadata(0):
# assays(2): counts logcounts
# rownames(10): gene_1 gene_2 ... gene_9 gene_10
# rowData names(2): mean detected
# colnames(3): cell_1 cell_2 cell_3
# colData names(10): batch sizeFactor ... total foo
# reducedDimNames(1): PCA
# altExpNames(0):

sce[1:2,]  #筛选基因
# class: SingleCellExperiment 
# dim: 2 3 
# metadata(0):
# assays(2): counts logcounts
# rownames(2): gene_1 gene_2
# rowData names(2): mean detected
# colnames(3): cell_1 cell_2 cell_3
# colData names(10): batch sizeFactor ... total foo
# reducedDimNames(1): PCA
# altExpNames(0):

sce[,c(1,3)]  #筛选细胞
sce[,sce$batch==1]  #根据注释信息筛选

5、简单对比Seurat数据结构

library(Seurat)
scRNA=as.Seurat(sce)
scRNA
# An object of class Seurat 
# 10 features across 3 samples within 1 assay 
# Active assay: RNA (10 features, 0 variable features)
#  1 dimensional reduction calculated: PCA
scRNA@assays$RNA@counts   #对应sce的counts assay
scRNA@assays$RNA@data     #对应sce的log2count assay
[email protected]           #对应sce的colData
scRNA@[email protected]  #应该对应sce的rowData，但显示为空值
scRNA@[email protected] #对应sce的reduceDim
subset(scRNA, subset = batch == 1)  #利用subset取子集

以上学习了SingleCellExperiment对象结构的基础知识，部分知识点如altExp()、colLabels()、sizeFactors()等到具体应用时再做学习，就不一一介绍了。
至此OSCA的第一部分就到这里了，内容比较少。第二部分就主要聚焦于scRNA-seq的分析流程知识点。

OSCA单细胞数据分析笔记-3、SingleCellExperiment数据结构