在非监督的单细胞数据分析中,给定细胞cluster的均一性往往是不清楚的,也就是说我们并不知道分出的一个cluster中是否是一种细胞,还是依然包含了多种细胞。因此有人提出了cluster purity的概念,并建立了一个新的方法ROGUE
来计算给定的细胞cluter是否是一个纯度较高的均一细胞群。
文章链接:An entropy-based metric for assessing the purity of single cell populations
1. R包安装
install.packages("tidyverse")
if (!requireNamespace("devtools", quietly = TRUE)) install.packages("devtools")
devtools::install_github("PaulingLiu/ROGUE")
2. 演示数据下载
数据集来自文献Single-Cell Transcriptomics of Human and Mouse Lung Cancers Reveals Conserved Myeloid Populations across Individuals and Species
演示数据:expression matrix 和 meta information.
3. 分析
载入R包
suppressMessages(library(ROGUE))
suppressMessages(library(ggplot2))
suppressMessages(library(tidyverse))
导入数据
- 表达矩阵的格式:行是基因,列是细胞。表达值应该是UMI counts (droplet-based datasets) 或 TPM (full-length based datasets)。
- mata矩阵中的ct是细胞类型,和第一列的病人一一对应(也就是每个细胞是来自哪个病人的信息)
expr <- readRDS("DC.rds")
meta <- readRDS("info.rds")
expr[1:5, 1:4]
## _p1t1__bcGDSJ _p1t1__bcDRQX _p1t1__bcFPXB _p1t1__bcHVVV
## A2M 0 0 0 0
## A2ML1 0 0 0 0
## AAAS 0 0 0 0
## AACS 0 0 0 0
## AAGAB 0 0 0 0
head(meta)
### A tibble: 6 × 26
## Patient Tissue `Barcoding emulsion` Library Barcode `Total counts` `Percent counts from mi… `Most likely LM22 … `Major cell typ… ct
##
## 1 p1 tumor p1t p1t1 bcGDSJ 4731 6.47 Dendritic cells re… tMoMacDC tDC2
## 2 p1 tumor p1t p1t1 bcDRQX 1212 5.28 Monocytes tpDC tpDC
## 3 p1 tumor p1t p1t1 bcFPXB 2639 5.15 B cells memory tpDC tpDC
## 4 p1 tumor p1t p1t1 bcHVVV 2978 2.89 Eosinophils tpDC tpDC
## 5 p1 tumor p1t p1t1 bcGJVN 1509 5.04 B cells memory tpDC tpDC
## 6 p1 tumor p1t p1t1 bcFSSY 3369 5.05 Dendritic cells ac… tMoMacDC tDC3
过滤低质量细胞
expr <- matr.filter(expr, min.cells = 10, min.genes = 10)
Expression entropy model
为了使用S-E模型,首先使用SE_fun
功能计算每个基因的expression entropy
ent.res <- SE_fun(expr)
head(ent.res)
## A tibble: 6 × 7
# Gene mean.expr entropy fit ds p.value p.adj
#
# 1 LYZ 1.65 0.762 1.27 0.510 0 0
# 2 HLA-DQB2 1.35 0.569 1.01 0.437 0 0
# 3 BIRC3 1.21 0.458 0.886 0.428 0 0
# 4 HSPA1A 1.54 0.766 1.17 0.406 0 0
# 5 HLA-DRB1 2.99 2.24 2.59 0.353 0 0
# 6 GZMB 1.26 0.586 0.931 0.345 0 0
S-E plot
使用SEplot
功能去可视化S和E的关系
SEplot(ent.res)
The identified highly informative genes could be applied to both clustering and pseudotime analyses.
ROGUE calculation
使用CalculateRogue
功能去计算VOGUE值以评估DC群的纯度
rogue.value <- CalculateRogue(ent.res, platform = "UMI")
rogue.value
## [1] 0.7219202
这个细胞群的ROGUE值是0.72,提示了它们的异质性
Calculate the ROGUE value of each putative cluster for each sample
为了得到对各个cluster纯度的精确评估,作者推荐区分样本来源计算各细胞类型ROGUE值
rogue.res <- rogue(expr, labels = meta$ct, samples = meta$Patient, platform = "UMI", span = 0.6)
rogue.res
# tDC2 tpDC tDC3 tDC1
# p1 0.8376831 0.8604547 0.8494896 0.8481964
# p2 NA NA NA NA
# p3 0.8028900 0.8941508 0.8995863 0.9150546
# p4 0.8041421 0.8992421 0.8763108 0.8658948
# p5 0.8702724 0.9321946 0.9247687 NA
# p6 0.8596472 NA 0.8892388 0.9280764
# p7 0.9262411 0.9028763 0.8949111 0.9419589
ROGUE值 可视化
rogue.boxplot(rogue.res)
参考:
https://htmlpreview.github.io/?https://github.com/PaulingLiu/ROGUE/blob/master/vignettes/ROGUE_Tutorials.html
https://www.jianshu.com/p/1ddf52885833