scRNA的3大R包对比

刘小泽写于19.9.3
字虽然少，都是干货

用法	Seurat 2.x	Seurat 3.x	Scater	Monocle2.x	Monocle3.x
创建R包要求的对象	CreateSeuratObject()	函数不变，参数取消了raw.data，min.genes更改为min.features	SingleCellExperiment()	newCellDataSet()，其中的phenoData、featureData参数都是用new()建立的AnnotatedDataFrame对象	new_cell_data_set()，其中的cell_metadata、gene_metadata参数都是数据框
添加注释信息	AddMetaData()	AddMetaData()或者直接通过object$meta_name	可以直接使用sce$meta_name	addCellType()添加细胞类型	可以用基础R函数
QC and selecting cell	[email protected]	GetAssayData()	calculateQCMetrics(),其中的feature_controls参数可以指定过滤指标，然后有一系列的可视化函数。过滤用filter()或isOutlier()	用基础R函数进行初步过滤，还可以用detectGenes()函数加上subset()过滤	用基础R函数进行初步过滤
表达量的标准化或者归一化	NormalizeData()，归一化后检测用sce@data	NormalizeData()，归一化后检测用sce[['RNA']]	计算CPM：calculateCPM()、归一化：normalize()	estimateSizeFactors()还有estimateDispersions	preprocess_cds()
寻找重要的基因	FindVariableGenes()	FindVariableFeatures()，其中算法有变动	没有专门函数	differentialGeneTest()函数	版本3和版本2的差异分析可以说是完全不同，版本3取代了2中的differentialGeneTest() and BEAM()。它利用fit_models()或graph_test()
去除干扰因素	ScaleData()，结果存储在[email protected]中	ScaleData()，结果存储在sce[["RNA"]]@scale.data中	limma的removeBatchEffect()、scran的mnnCorrect()	去除干扰因素的功能被包装在降维函数中	preprocess_cds()中指定参数residual_model_formula_str
降维	PCA：RunPCA()，参数pc.genes，结果存储在sce@[email protected] tSNE：RunTSNE()	PCA：RunPCA()，参数features，结果存储在sce@[email protected] tSNE：RunTSNE()	PCA：runPCA()，结果在reducedDims中； tSNE：runTSNE()	reduceDimension函数，可以选择多种参数	reduce_dimension()，算法包括UMAP", "tSNE", "PCA" and "LSI"
降维后可视化	VizPCA和PCElbowPlot;PCAPlot或者TSNEPlot	VizDimLoadings()、DimPlot()、DimHeatmap()、ElbowPlot()	plotReducedDim()、plotPCA()	plot_cell_clusters()	plot_cells()
细胞聚类	FindClusters()	FindNeighbors() + FindClusters()	没有包装聚类函数，可以辅助其它R包，或者R基础函数	clusterCells()	cluster_cells()，依赖一个Python模块louvain
找marker基因	FindMarkers()或FindAllMarkers()	FindMarkers()或FindAllMarkers()，VlnPlot()、FeaturePlot()可视化	借助SC3包	newCellTypeHierarchy()、 classifyCells()	top_markers()
绘图相关	基因相关性绘图：GenePlot()；细胞相关性绘图：CellPlot()，选择细胞用[email protected]	基因相关性绘图：FeatureScatter()；细胞相关性绘图：CellScatter()，选择细胞用colnames(sce)	基因相关性绘图：绘制基因表达相关plotExpression()；检测高表达基因plotHighestExprs()、表达频率plotExprsFreqVsMean()、细胞质控plotColData()、表达量累计贡献plotScater()	plot_cell_trajectory()、plot_genes_in_pseudotime()、plot_genes_jitter()、plot_pseudotime_heatmap()、plot_genes_branched_heatmap()、plot_genes_branched_pseudotime()	plot_pc_variance_explained()、对每组的marker基因可视化： plot_genes_by_group()、3D发育轨迹plot_cells_3d()、画小提琴图：plot_genes_violin()

---

欢迎关注我们的公众号～_～　　
我们是两个农转生信的小硕，打造生信星球，想让它成为一个不拽术语、通俗易懂的生信知识平台。需要帮助或提出意见请后台留言或发送邮件到[email protected]

Welcome to our bioinfoplanet!