NC单细胞文章复现(五):tSNE

我们昨日进行clustering之后,将1107个细胞分成了9个簇,今天学习tsne方面的知识。

##将unknown and undecided cells去除掉
unkund <- which(pd_norm$cell_types_cl_all %in% c("undecided", "unknown"))

#将已经再次细分好的细胞信息添加到sceset_final中,便于后续的分析
sceset_ct <- sceset_final[,-unkund]
pd_ct <- colData(sceset_ct)
mat_ct <- assays(sceset_ct)$exprs
mats_ct <- list()
pds_ct <- list()
for (i in 1:length(patients_now)) {
  mats_ct[[i]] <- mat_ct[,pd_ct$patient == patients_now[i]]
  pds_ct[[i]] <- pd_ct[pd_ct$patient == patients_now[i],]
}
names(mats_ct) <- patients_now
names(pds_ct) <- patients_now

#画6个样本的1107个细胞的细胞类型比例分布柱状图
match_celltype_levels <- c("epithelial", "stroma", "endothelial", "Tcell", "Bcell", "macrophage")
#将pd_ct转换为 tibble 类型
tbl_pd_ct <- tbl_df(pd_ct)
tbl_pd_ct <- tbl_pd_ct %>%
  group_by(patient) %>%
  mutate(cell_types_cl_all = factor(cell_types_cl_all, levels = match_celltype_levels)) %>%
  arrange(cell_types_cl_all)
  
#画Fig1.c
ggplot() +
  geom_bar(data = tbl_pd_ct, aes(x = patient, fill = factor(cell_types_cl_all)), position = position_fill(reverse = TRUE)) +
  scale_fill_manual(values = anno_colors$tsne) +
  labs(fill = "cell type", y = "fraction of cells")

Fig1.c: 可以看到,病人样本之间的细胞类型有很明显的异质性。

#先看不同病人的细胞周期比例分布情况
tbl_pd_cycle <- tbl_pd_ct %>%
  group_by(patient) %>%
  mutate(cycling_mel = factor(cycling_mel, levels = c("cycling", "non-cycling"))) %>%
  arrange(cycling_mel)

#画fig1d
ggplot() +
  geom_bar(data = tbl_pd_cycle, aes(x = patient, fill = factor(cycling_mel)), position = position_fill(reverse = TRUE)) +
  scale_fill_manual(values = anno_colors$cycling) +
  labs(fill = "cycling status", y = "fraction of cells")

Fig1.d:PT081样本中,cycling细胞占比(>34% )最多。接着将细胞周期与细胞类型联系在一起。

#epithelial细胞比例
for (i in 1:length(patients_now)) {
  percent_epith <- length(intersect_all(which(pd_ct$patient == patients_now[i]),  #取交集
                                        which(pd_ct$cell_types_cl_all == "epithelial"), 
                                        which(pd_ct$cycling_mel == "cycling")))/length(intersect_all(
                                          which(pd_ct$patient == patients_now[i]), 
                                          which(pd_ct$cell_types_cl_all == "epithelial")))*100
  #细胞周期比例
  percent_all <- length(intersect_all(which(pd_ct$patient == patients_now[i]), 
                                      which(pd_ct$cycling_mel == "cycling")))/length(which(pd_ct$patient == patients_now[i]))*100
  print(ggplot(as.data.frame(pds_ct[[i]]), aes(x = mel_scores_g1s, y = mel_scores_g2m)) +
          geom_rect(ggplot2::aes(xmin = median(pd_ct$mel_scores_g1s) + 2 * mad(pd_ct$mel_scores_g1s),#以G1期cycling score中位数加其2MAD数值作为鉴定cycling cell的分界线
                        xmax = Inf, #Inf:无穷大
                        ymin = -Inf,
                        ymax = Inf),
                    fill = "gainsboro", alpha = 0.05) +#定义颜色、透明度
          geom_rect(aes(ymin = median(pd_ct$mel_scores_g2m) + 2 * mad(pd_ct$mel_scores_g2m),
                        ymax = Inf,
                        xmin = -Inf,
                        xmax = Inf),

fill = "gainsboro", alpha = 0.05) +   
          geom_point(aes(col = factor(cell_types_cl_all, levels = names(anno_colors$tsne)), 
                         shape = factor(cycling_mel)), size  = 5) +
          xlim(-0.15, 2) +
          ylim(-0.15, 2.8) +
          labs(col = "cell type", shape = "cycling", x = "G1S score", y = "G2M score", #注释
               title = paste("patient ", patients_now[i], " (", round(percent_all), "% cycling cells)", sep = "")) + #round:四舍五入
          scale_color_manual(values = anno_colors$tsne))
}

Fig1.e:对于PT126来说,大部分处于cycling的细胞都被鉴定为上皮细胞。

接着开始进行tSNE

## tsne on cell types
#先对1112个细胞进行聚类
to_plot_ct <- unique(pd_ct$cell_types_cl_all)
#mat_ct是已经处理好的1112个细胞和13280个基因德数据框,pd_ct是对应的细胞和样本的注释信息,pd_ct$cell_types_cl_all指每个细#胞对应的细胞类型。
#which函数中cell_types_cl_all等于#to_plot_ct的位置,然后提取mat_ct的表达谱,重新生成矩阵mat_short_ct
mat_short_ct <- mat_ct[, which(pd_ct$cell_types_cl_all %in% to_plot_ct)] 
#同样的,提取注释信息pd_short_ct
pd_short_ct <- pd_ct[which(pd_ct$cell_types_cl_all %in% to_plot_ct), ]
#开始tsne
tsne_short_ct <- Rtsne(t(mat_short_ct), perplexity = 30)
#最终得到一个list,其中tsne_short_ct$Y存储画图的信息,给tsne_short_ct$Y适当添加对应的细胞类型等属性
colnames(tsne_short_ct$Y) <- c("col1", "col2")
tsne_short_ct$Y <- as.data.frame(tsne_short_ct$Y)
tsne_short_ct$Y$cell_types_cl_all <- pd_short_ct$cell_types_cl_all
tsne_short_ct$Y$cell_types_markers <- pd_short_ct$cell_types_markers
tsne_short_ct$Y$patient <- pd_short_ct$patient
head(tsne_short_ct$Y)
#这样子就得到了每个细胞的坐标,细胞类型,对应的marker和病人标本信息
> head(tsne_short_ct$Y)
       col1          col2 cell_types_cl_all cell_types_markers patient
1  16.12422 -20.896689773        epithelial         epithelial   PT089
2  15.71953 -20.986193941        epithelial         epithelial   PT089
3  14.95464 -20.609750926        epithelial         epithelial   PT089
4 -33.07589  -0.069714081        macrophage         macrophage   PT089
5 -32.66427  -0.007138231        macrophage         macrophage   PT089
6  15.48987 -21.197981561        epithelial         epithelial   PT089
#画图fig2a
ggplot(tsne_short_ct$Y, aes(x = col1, y = col2, color = factor(cell_types_cl_all, levels = names(anno_colors$tsne)), 
                            shape = patient)) + 
  geom_point(size = 4) + 
  scale_color_manual(values = anno_colors$tsne) +
  labs(col = "patient", x = "tSNE dimension 1", y = "tSNE dimension 2", shape = "patient")

Fig2a:使用tSNE聚类对所有患者的1189个细胞进行分析,发现非上皮性细胞群和上皮细胞群之间有很大的分离,非上皮性细胞群被很好地分离成不同的簇,上皮细胞群则形成多个亚群。

#对上皮细胞群进行tsne
to_plot_ct <- c("epithelial")
mat_short_ct <- mat_ct[, which(pd_ct$cell_types_cl_all %in% to_plot_ct)]
pd_short_ct <- pd_ct[which(pd_ct$cell_types_cl_all %in% to_plot_ct), ]
tsne_short_ct <- Rtsne(t(mat_short_ct), perplexity = 30)
colnames(tsne_short_ct$Y) <- c("col1", "col2")
tsne_short_ct$Y <- as.data.frame(tsne_short_ct$Y)
tsne_short_ct$Y$cell_types_cl_all <- pd_short_ct$cell_types_cl_all
tsne_short_ct$Y$cell_types_markers <- pd_short_ct$cell_types_markers
tsne_short_ct$Y$patient <- pd_short_ct$patient
#画图fig2c
ggplot(tsne_short_ct$Y, aes(x = col1, y = col2, color = factor(patient, levels = names(anno_colors$patient)), 
                            shape = cell_types_cl_all)) + 
  geom_point(size = 4) + 
  scale_color_manual(values = anno_colors$patient) +
  labs(col = "patient", x = "tSNE dimension 1", y = "tSNE dimension 2", shape = "cell type")

Fig2c:上皮细胞群通常被分成多个特异性簇(特别在PT039和PT081中更明显),6个样本均有上皮细胞簇。

#对非上皮细胞群进行tsne
to_plot_ct <- c("Bcell", "macrophage", "Tcell", "stroma", "endothelial")
mat_short_ct <- mat_ct[, which(pd_ct$cell_types_cl_all %in% to_plot_ct)]
pd_short_ct <- pd_ct[which(pd_ct$cell_types_cl_all %in% to_plot_ct), ]
tsne_short_ct <- Rtsne(t(mat_short_ct), perplexity = 30)
colnames(tsne_short_ct$Y) <- c("col1", "col2")
tsne_short_ct$Y <- as.data.frame(tsne_short_ct$Y)
tsne_short_ct$Y$cell_types_cl_all <- pd_short_ct$cell_types_cl_all
tsne_short_ct$Y$cell_types_markers <- pd_short_ct$cell_types_markers
tsne_short_ct$Y$patient <- pd_short_ct$patient

#画图fig2c
ggplot(tsne_short_ct$Y, aes(x = col1, y = col2, color = factor(cell_types_cl_all, levels = names(anno_colors$tsne)), 
                            shape = patient)) + 
  geom_point(size = 4) + 
  labs(col = "cell type", x = "tSNE dimension 1", y = "tSNE dimension 2") + 
  scale_color_manual(values = anno_colors$tsne)

先前对黑色素瘤和胶质母细胞瘤的单细胞分选研究显示,恶性细胞主要按患者样本进行聚集,这也说明了不同病人肿瘤之的异质性很显著。但是有其他乳腺癌的单细胞分析结果却与之相反,每个患者特有的和共有的恶性细胞可以存在一个簇中,暗示了乳腺癌中既有特定的瘤内异质性亚群细胞存在,也“共享”着一部分细胞亚群,而后者与作者的结果是符合的。

接着使用Monocle包对上皮细胞群进行clustering,并且对患者效应进行regressing out 。monocle_unsup_clust_plots是已经包装好的函数,这个函数采用了 2014Science上的⼀篇《Clustering by fast search and find of density peaks》文章的算法,这篇文献提供⼀种基于密度(density-based )的聚类方法,关于单细胞聚类法方法的选择大家可以参考2017年发表在Molecular Aspects of Medicine上的文章《Identifying cell populations with scRNASeq 》,单细胞天地已经有对这篇文献进行过解读。单细胞转录组分析综述

## clustering of epithelial cells
HSMM_allepith_clustering <- monocle_unsup_clust_plots(sceset_obj = sceset_ct[,which(colData(sceset_ct)$cell_types_cl_all == "epithelial")], 
                                                      mat_to_cluster = mat_ct[,which(colData(sceset_ct)$cell_types_cl_all == "epithelial")], 
                                                      anno_colors = anno_colors, name_in_phenodata = "cluster_allepith_regr_disp", 
                                                      disp_extra = 1, save_plots = 0, path_plots = NULL, 
                                                      type_pats = "allpats", regress_pat = 1, use_known_colors = 1, use_only_known_celltypes = 1)
table(HSMM_allepith_clustering$Cluster)
> table(HSMM_allepith_clustering$Cluster)

1   2   3   4 
 69 292 169 338 

结果是将868个上皮细胞分成了4个clustering,与原文不一样。

作者是这么解释的,由于Monocle包的函数reduceDimension and clusterCells有所改变,因此要想重现图片,接下来作者建议使用他们已经做好的原始数据。

# due to changes in Monocle's functions (reduceDimension and clusterCells), the resulting clustering of #epithelial cells is slightly different from the original clustering from the paper. for reproducibility, we #read in the original clustering of epithelial cells
original_clustering_epithelial <- readRDS(file= "data/original_clustering_epithelial.RDS")
table(original_clustering_epithelial)

HSMM_allepith_clustering$Cluster <- original_clustering_epithelial
clustering_allepith <- HSMM_allepith_clustering$Cluster
#画图fig3a
plot_cell_clusters(HSMM_allepith_clustering, 1, 2, color = "Cluster", cell_size = 2) + 
  scale_color_manual(values = c("1" = "#ee204d", "2" = "#17806d", "3" = "#b2ec5d", "4" = "#cda4de", "5" = "#1974d2"))

#给6个样本的868个上皮细胞标记上对应的clusters编号
clusterings_sep_allepith <- list()
for (i in patients_now) {
  clusterings_sep_allepith[[i]] <- clustering_allepith[which(HSMM_allepith_clustering$patient == i)]
  names(clusterings_sep_allepith[[i]]) <- colnames(HSMM_allepith_clustering)[which(HSMM_allepith_clustering$patient == i)]
}

#看看每个cluster的的cycling 和non-cycling细胞比例
tbl_pd_cluster <- tbl_df(pData(HSMM_allepith_clustering))
tbl_pd_cluster <- tbl_pd_cluster %>%
  group_by(Cluster) %>%
  mutate(cycling_mel = factor(cycling_mel, levels = c("cycling", "non-cycling"))) %>%
  arrange(cycling_mel)

#画图figS6
ggplot() +
  geom_bar(data = tbl_pd_cluster, aes(x = Cluster, fill = factor(cycling_mel)), position = position_fill(reverse = TRUE)) +
  scale_fill_manual(values = anno_colors$cycling) +
  labs(fill = "cycling status", y = "fraction of cells")

## 将每一个cluster与全部的cluster进行差异分析
HSMM_for_DE <- HSMM_allepith_clustering
diff_test_res <- list()
#先进行cluster1跟全部的cluster差异分析
HSMM_for_DE$allvs1 <- clustering_allepith
HSMM_for_DE$allvs1 <- as.numeric(HSMM_for_DE$allvs1)
HSMM_for_DE$allvs1[which(HSMM_for_DE$allvs1 != 1)] <- 2
#差异分析采用monocle的differentialGeneTest函数
diff_test_res$allvs1 <- differentialGeneTest(HSMM_for_DE, fullModelFormulaStr = "~allvs1", cores = 3) 
diff_test_res$allvs1 <- diff_test_res$allvs1[order(diff_test_res$allvs1$qval),]#qval排序
diff_test_res$allvs1 <- diff_test_res$allvs1[which(diff_test_res$allvs1$qval <= 0.1),] #挑选qval <= 0.1的基因
head(diff_test_res$allvs1[,1:5], n = 10)
> head(diff_test_res$allvs1[,1:5], n = 10)
        status           family         pval         qval ensembl_gene_id
HP          OK negbinomial.size 5.727834e-52 4.811381e-48 ENSG00000257017
PRG4        OK negbinomial.size 4.208455e-26 1.767551e-22 ENSG00000116690
PLA2G2A     OK negbinomial.size 1.305859e-24 3.656405e-21 ENSG00000188257
CFH         OK negbinomial.size 1.307494e-23 2.745737e-20 ENSG00000000971
EGFL6       OK negbinomial.size 1.660370e-21 2.789421e-18 ENSG00000198759
CCL2        OK negbinomial.size 1.830853e-20 2.197023e-17 ENSG00000108691
ENPP2       OK negbinomial.size 1.715218e-20 2.197023e-17 ENSG00000136960
VTN         OK negbinomial.size 3.867117e-19 4.060473e-16 ENSG00000109072
CLDN1       OK negbinomial.size 9.901388e-15 9.241296e-12 ENSG00000163347
BCHE        OK negbinomial.size 3.048404e-13 2.560659e-10 ENSG00000114200
#接着就是cluster2了
HSMM_for_DE$allvs2 <- clustering_allepith
HSMM_for_DE$allvs2 <- as.numeric(HSMM_for_DE$allvs2)
HSMM_for_DE$allvs2[which(HSMM_for_DE$allvs2 != 2)] <- 3
diff_test_res$allvs2 <- differentialGeneTest(HSMM_for_DE, fullModelFormulaStr = "~allvs2", cores = 3)
diff_test_res$allvs2 <- diff_test_res$allvs2[order(diff_test_res$allvs2$qval),]
diff_test_res$allvs2 <- diff_test_res$allvs2[which(diff_test_res$allvs2$qval <= 0.1),]
head(diff_test_res$allvs2[,1:5], n = 10)
......

接着就是cluster3,4和5,代码我不放上来了,下一节我们继续学习。

(0)

相关推荐

  • 我从Science中,偷学到这个聚类分析技能!真舍不得分享

    大家好,我是风.欢迎来到风风的从零开始单细胞系列.前面我们已经学习了数据下载.构建分析对象和数据质控.如果你的scater出现了一些警告内容,提示函数被替代,那也不用着急.正如其他内容一样,scate ...

  • 用TSNE进行数据降维并展示聚类结果

    TSNE提供了一种有效的数据降维方式,让我们可以在2维或3维的空间中展示聚类结果. #-*- coding: utf-8 -*-from __future__ import unicode_liter ...

  • 单细胞工具箱|Seurat官网标准流程

    学习单细胞转录组肯定先来一遍Seurat官网的标准流程. 数据来源于Peripheral Blood Mononuclear Cells (PBMC),共2700个单细胞, Illumina Next ...

  • NC单细胞文章复现(一):质控

    很开心能在2020年加入"单细胞天地"这个团队,作为单细胞新手,我希望未来能学会更多的单细胞测序知识,写更多的笔记,撸起袖子干呗! 最近看到了2018年Cell的一篇乳腺癌单细胞文 ...

  • NC单细胞文章复现(二):标准化

    我们开始看看作者是怎么标准化数据的.考虑到各种混杂因素对单个细胞中定量表达水平的影响,混杂因素包括dropout events的频率.单个细胞中的低表达量mRNA.不同类型细胞捕获的高可变性或技术噪声 ...

  • NC单细胞文章复现(三):复杂热图

    我们这次直接拿GSE118390上已经normalized 的数据进行下游分析.首先我们先看看文献的这张复杂热图,哈哈,这张热图画得真是好看.左边是不同的markers基因对应的细胞类型,上边是6个T ...

  • NC单细胞文章复现(三):Clustering

    我们上次基于各种marker对1189个细胞进行分类,然而,仅基于marker对细胞进行分类可能是不精确的,特别是考虑到scRNA-seq数据的high dropout rate  .因此,在进行t- ...

  • NC单细胞文章复现(六):Gene expression signatures(1)

    在上一节,由于大部分细胞(868个)都被归为上皮细胞群中(Fig2 c),这868个细胞可被分成5个cluster,接着对这5个cluster细胞进行探索.我们使用一组来自对乳腺肿块的非监督分析的基因 ...

  • NC单细胞文章复现(七):Gene expression signatures(2)

    我们今天继续探索这3个gene signatures,首先看它在不同clusters的细胞之间的表达分布. clust_avg_prognosis <- matrix(NA, nrow = le ...

  • 跟这五位古人学习写作,掌握文章打动人心的“五个诀窍”

    日前,在<今日头条>的<悟空问答>上,一些用户们在讨论一个问题"什么样的文章,算成功的文章".毕竟,在<今日头条>码字的自媒体人们,无时无刻不在 ...

  • 鼎然文章:五十岁前后的你

    五十岁老么?有活力不老.二十岁年轻嘛?抑郁压身就老.老如何评判?老又怎样定位?只有自己的心态说了算. 五十岁前的你无所畏惧想干啥就干啥.五十岁后的你变得很小心做事不再鲁莽遇事学会冷静. 五十岁前的你满 ...

  • 鼎然文章:五十岁以后的你还在折腾什么?

    人的一生就像做梦,只有等你老的时候才知道.人这一辈子最终所拥有的只是记忆,除了记忆还是记忆.你所获得到的任何对于你的老去将是可怕而绝望的过场罢了. 五十岁以后的你应该是逐渐回复平静生活的时刻:五十岁以 ...