大家好，好久没有分享单细胞分析的流程啦，今天给大家分享一个单细胞中常见的分析--细胞发育轨迹分析。之前也给大家分享过RNA velocity，今天就给大家介绍另一个软件包（monocle）。
monocle更新得很快，目前已经更新到3了，但是今天我们主要是讲一个monocle2的使用方法。moncole2中进行轨迹分析的流程主要分为以下几个步骤：
1. 数据预处理
1.1 安装monocle2
如果之前没有安装过monocl2，则需要先运行以下命名，如果已经安装则忽略。
install.packages("BiocManager")
BiocManager::install("monocle")
install.packages("RColorBrewer") #画图配色板
1.2 加载安装包
library(monocle)
library(RColorBrewer)
setwd("工作路径")
1.3 读取数据
测试数据来源于2017 年北大徐成冉课题组发表在《Hepatology》杂志上小鼠胚胎E10.5-E17.5双潜能的成肝细胞分化为肝实质细胞和肝内胆管细胞的表达数据（GSE90047）。可以在GEO中通过输入GSE90047下载单细胞的表达矩阵。
# TPM矩阵（行为基因名，列为细胞名）
expr_matrix <- read.table("0.data/scRNA-seq_TPM_GSE90047.xls",header=T,row.names=1, sep = "\t")
# 细胞注释矩阵（行为细胞名）
sample_sheet <- read.table("0.data/XCR_paper_cell_anno_sub.txt",header=T,row.names=1, sep ="\t")
# 基因注释矩阵（行为基因名）
gene_annotation <- read.table("0.data/Mus_ref.txt",header=T,row.names=1, sep = "\t")
# 从注释信息中筛选出有表达的基因
pos <- which(rownames(gene_annotation) %in% rownames(expr_matrix))
gene_annotation <- gene_annotation[pos,]
# 注意：expr_matrix中列名的顺序和 sample_sheet中行名的顺序必须一致
expr_matrix <- expr_matrix[rownames(gene_annotation),rownames(sample_sheet)]
pd <- new("AnnotatedDataFrame", data = sample_sheet)
fd <- new("AnnotatedDataFrame", data = gene_annotation)
2. 创建对象
2.1 创建monocle2的对象
# 创建monocle对象
cd <- newCellDataSet(as.matrix(expr_matrix),
phenoData = pd,
featureData = fd,
lowerDetectionLimit = 0.1,
expressionFamily = tobit(Lower = 0.1))
# expressionFamily: 数据为TPM/FPKM时设置为tobit(Lower = 0.1)，数据为count时设置为negbinomial.size())
# 将FPKM/TPM数据转换为UMI数据（read count）
rpc_matrix <- relative2abs(cd)
# 重新创建monocle对象
cd <- newCellDataSet(as(as.matrix(rpc_matrix),"sparseMatrix"),
phenoData = pd,
featureData = fd,
lowerDetectionLimit = 0.5,
expressionFamily = negbinomial.size())
根据表达量数据的类型选择合适的分布（默认为文本计数数据输入，适用于负二项分布；FPKM/TPM 适用于对数正态分布）。
2.2 计算数据的size factors和dispersions
size factors有助于消除细胞间mRNA捕获的差异；dispersions用于后续的差异表达分析
cd <- estimateSizeFactors(cd)
cd <- estimateDispersions(cd)
2.3 数据过滤
# 过滤低于1%细胞中检出的基因，最低表达阈值为0.5
cd <- detectGenes(cd, min_expr = 0.5)
expressed_genes <- row.names(subset(fData(cd), num_cells_expressed > nrow(sample_sheet) * 0.01))
# 查看筛选后的基因个数（用于后面基因的筛选）
length(expressed_genes)
3. 构建轨迹
3.1 关键基因的筛选
发育过程中细胞处于动态变化的过程，细胞在不同状态表达的基因表达谱有所差异，monocle根据每个细胞基因的表达谱的相似和连续变化对细胞构建发育轨迹。第一个步骤是挑选合适的基因，包括3种方法，分别是：
1）挑选细胞间高度离散的基因
2）挑选在指定类型间差异表达的基因
3）根据已知标记基因对细胞进行排序
3.1.1 挑选细胞间高度离散的基因
disp_table <- dispersionTable(cd)
# 高度离散基因的筛选标准，可根据数据情况设置mean_expression的值
ordering_genes <- as.character(subset(disp_table,mean_expression >= 0.3 & dispersion_empirical >= dispersion_fit)$gene_id)
cd <- setOrderingFilter(cd, ordering_genes)
plot_ordering_genes(cd)
每一个点代表一个基因，X轴是每个基因的表达量均值，Y轴是每个基因的离散程度，红线为拟合的基因离散程度随着表达量变化的趋势线，黑色的点是用于后续分析的基因。
3.1.2 挑选在指定类型间差异表达的基因
# 根据数据的某种分类（如本例中根据Stage的类型）进行差异分析
diff_test_res <- differentialGeneTest(cd[expressed_genes,],fullModelFormulaStr = "~Stage")
# 筛选差异基因（q < 1e-5并且属于之前计算的expressed_genes列表中）
ordering_genes <- row.names (subset(diff_test_res, qval < 1e-5))
ordering_genes <- intersect(ordering_genes, expressed_genes)
cd <- setOrderingFilter(cd, ordering_genes)
plot_ordering_genes(cd)
其中黑色的点就是根据分类筛选出的差异基因并且用于后续的分析。
3.1.3 根据已知标记基因对细胞进行排序
这种方法需要参考一些已发表的文献或者先验知识收集到的基因。
3.2 细胞降维
# 选取的基因数目为每个细胞的维度，基于默认的'DDRTree'方法进行数据降维
cd <- reduceDimension(cd, max_components = 2, method = 'DDRTree')
3.3 细胞排序
# 对细胞进行排序，由于排序无法区分起点和终点，若分析所得时序与实际相反，根据“reverse”参数进行调整，默认reverse=F
cd <- orderCells(cd, reverse = F)
3.4 轨迹可视化
# 排序好的细胞可以进行可视化，可标注细胞的各注释信息"Stage", "Putative_cell_type", "Sort_by", "State", "Pseudotime"等)
# 查看细胞注释信息
head(cd@phenoData@data)
# 设置颜色
color1 <- c(brewer.pal(6, "Set1"))
getPalette <- colorRampPalette(brewer.pal(6, "Set1"))
# 按照时间点进行映射
plot_cell_trajectory(cd, show_cell_names = F, color_by = "Stage") + scale_color_manual(values = getPalette(length(unique(sample_sheet[,"Stage"]))))
# 按照细胞类型进行映射（手动设置颜色）
plot_cell_trajectory(cd, show_cell_names = F, color_by = "Putative_cell_type") + scale_color_manual(values = c("#E41A1C", "#999999"))
# 按照State进行映射
plot(plot_cell_trajectory(cd, show_cell_names = F, color_by = "State") + scale_color_manual(values = color1))
# 按照计算的Pseudotime进行映射
plot(plot_cell_trajectory(cd, show_cell_names = F, color_by = "Pseudotime") + scale_color_viridis_c())
每一个点代表一个细胞，Pseudotime代表计算的发育时间，值越小则表示该细胞作为发育起始，值越大代表该细胞更接近发育终点
如果发现发育轨迹和真实的时间不一致，那么可以通过运行cd <- orderCells(cd, reverse = F)，其中reverse = T重新计算发育轨迹。
运行完上面的命令这样就能构建好一个发育轨迹啦，这期的内容就先到这里啦，下一期我们在继续学习发育轨迹中的差异分析~