使用Seurat找高变异基因（HVGs）

参考：Seurat官网：https://satijalab.org/seurat/v3.2/pbmc3k_tutorial.html
来自生信星球刘小泽的个人博客：https://www.jieandze1314.com/
仅用于个人参考学习

高变异基因：highly variable features（HVGs），就是在细胞与细胞间进行比较，选择表达量差别最大的

Seurat中利用FindVariableFeatures函数，会计算一个mean-variance结果，也就是给出表达量均值和方差的关系并且得到top variable features

计算方法主要有三种：

vst（默认）：

首先利用loess对log(variance)和log(mean)拟合一条直线，然后利用观测均值和期望方差对基因表达量进行标准化，最后根据保留最大的标准化的表达量计算方差

mean.var.plot：

首先利用mean.function和dispersion.function分别计算每个基因的平均表达量和离散情况，然后根据平均表达量将基因们分散到一定数量（默认是20个）的小区间（bin）中，并且计算每个bin中z-score

dispersion（最直接）：

挑选最高离差值的基因

例如：使用Seurat 版本3

# V3 代码来自官方教程
pbmc<-FindVariableFeatures(pbmc, selection.method="vst", nfeatures=2000)
top10<-head(VariableFeatures(pbmc),10)
# 分别绘制带基因名和不带基因名的
plot1<-VariableFeaturePlot(pbmc)
plot2<-LabelPoints(plot=plot1, points=top10, repel=TRUE)
CombinePlots(plots=list(plot1, plot2))

image

使用Seurat版本2

# V2pbmc<-FindVariableGenes(object=pbmc,
  mean.function=ExpMean,
  dispersion.function=LogVMR )
length( [email protected])
#默认值是：x.low.cutoff = 0.1, x.high.cutoff = 8, y.cutoff = 1，
#就是说取log后的平均表达量(x轴)介于0.1-8之间的；分散程度(y轴，即标准差)至少为1的

V3计算mean.function和FastLogVMR均采用了加速的FastExpMean、FastLogVMR模式

V3横坐标范围设定参数改成：mean.cutoff，整合了原来V2的x.low.cutoff + x.high.cutoff；
纵坐标改成：dispersion.cutoff ，替代了原来V2的y.cutoff

V3默认选择2000个差异基因，检查方法也不同
（V3用VariableFeatures(sce)检查，V2用[email protected]检查）