欧美美女性感肥熟妇视频,美女视频免费观看一区,美女视频黄是免费m

之前介紹過(guò)使用cellphoneDB 進(jìn)行細(xì)胞通訊分析scRNA分析 | 解決可能的報(bào)錯(cuò)，從0開(kāi)始教你完成細(xì)胞通訊分析-cellphoneDB，可能會(huì)遇到一些報(bào)錯(cuò)。這次介紹另一款細(xì)胞通訊分析的常見(jiàn)方法CellChat 。CellChat是一款R包，使用更容易且可視化結(jié)果也非常不錯(cuò)。

一數(shù)據(jù)輸入，處理

1，載入R包和數(shù)據(jù)

首選安裝CellChat 包，然后繼續(xù)使用之前的sce2數(shù)據(jù)進(jìn)行展示

#devtools::install_github("sqjin/CellChat")library(CellChat)library(tidyverse)library(Seurat)options(stringsAsFactors = FALSE)#提取表達(dá)矩陣和細(xì)胞分類信息#scRNA <- readRDS(url("https://zenodo.org/record/3531889/files/seuratObj.rds"))load("sce.anno.RData")head(sce2@meta.data)

2，創(chuàng)建CellChat對(duì)象

可以使用矩陣數(shù)據(jù)、Seurat或SingleCellExperiment 對(duì)象中創(chuàng)建CellChat對(duì)象。如果是Seurat或SingleCellExperiment 對(duì)象，meta信息會(huì)默認(rèn)使用meta.data（當(dāng)然也可以指定），通過(guò) group.by 定義分組。

這里直接使用seurat的對(duì)象sce2進(jìn)行創(chuàng)建CellChat對(duì)象

cellchat <- createCellChat(object = sce2,                           meta = sce2@meta.data,                           group.by = "celltype")cellchat

Create a CellChat object from a Seurat objectThe `data` slot in the default assay is used. The default assay is RNASet cell identities for the new CellChat objectThe cell groups used for CellChat analysis are  Epi Myeloid Fibroblast T Endo un

3，設(shè)置參考數(shù)據(jù)庫(kù)

根據(jù)分析數(shù)據(jù)的物種，可選CellChatDB.human, 或者 CellChatDB.mouse 。通過(guò)showDatabaseCategory函數(shù)可以查看該數(shù)據(jù)庫(kù)的情況

CellChatDB <- CellChatDB.human  showDatabaseCategory(CellChatDB)# use a subset of CellChatDB for cell-cell communication analysisCellChatDB.use <- subsetDB(CellChatDB, search = "Secreted Signaling") # set the used database in the objectcellchat@DB <- CellChatDB.use

人的數(shù)據(jù)包括61.8%的旁分泌/自分泌信號(hào)互作、21.7%的細(xì)胞外基質(zhì)(ECM)受體互作和16.5%的細(xì)胞-細(xì)胞通訊互作。

注1：如果想用全部的用于cellchat分析，不進(jìn)行subsetDB，直接指定cellchat@DB <- CellChatDB 即可。

注2：如果你有關(guān)心的配受體對(duì) 且不在該數(shù)據(jù)庫(kù)中，也可以自行添加上。大概步驟就是下載對(duì)應(yīng)的csv（數(shù)據(jù)庫(kù)），在對(duì)應(yīng)的列上添加上你的配受體對(duì)信息，保存后重新讀取新的csv即可，詳細(xì)見(jiàn)https://htmlpreview.github.io/?https://github.com/sqjin/CellChat/blob/master/tutorial/Update-CellChatDB.html。

4，表達(dá)數(shù)據(jù)的預(yù)處理

可以使用subsetData選擇進(jìn)行cellchat的子集，注意使用全集的話也要subsetData一下。

# This step is necessary even if using the whole databasecellchat <- subsetData(cellchat) # do parallel ，根據(jù)配置設(shè)置future::plan("multiprocess", workers = 1) 
#識(shí)別過(guò)表達(dá)基因cellchat <- identifyOverExpressedGenes(cellchat)#識(shí)別過(guò)表達(dá)配體受體對(duì)cellchat <- identifyOverExpressedInteractions(cellchat)
#project gene expression data onto PPI (Optional: when running it, USER should set `raw.use = FALSE` in the function `computeCommunProb()` in order to use the projected data)cellchat <- projectData(cellchat, PPI.human)cellchat@data.project[1:4,1:4]#         K16733_AAACATACTCGTTT-1 K16733_AAAGCAGAACGTTG-1 K16733_AAAGCAGACTGAGT-1 K16733_AAAGGCCTGCTCCT-1#TNFRSF18               0.0000000             0.000000000            0.000000e+00             0.000000000#TNFRSF4                0.0000000             0.000000000            0.000000e+00             0.177007949#TNFRSF14               0.9381181             0.001323893            1.852638e-05             0.002543824#TNFRSF25               0.0000000             0.000000000            0.000000e+00             0.000000000

projectData函數(shù)將配體受體對(duì)的表達(dá)值投射到PPI上為可選項(xiàng)，做了該步驟的話可以在data.project中查看結(jié)果。

二推斷 cell-cell communication network

前面數(shù)據(jù)和配體受體庫(kù)準(zhǔn)備好之后，就可以根據(jù)表達(dá)值推斷細(xì)胞類型之間的互作了。

1，推斷細(xì)胞通訊網(wǎng)絡(luò)

使用表達(dá)值推測(cè)細(xì)胞互作的概率，該步驟相對(duì)較耗時(shí)一些。

cellchat <- computeCommunProb(cellchat, raw.use = TRUE, population.size = TRUE) # Filter out the cell-cell communication if there are only few number of cells in certain cell groupscellchat <- filterCommunication(cellchat, min.cells = 10)

注1：raw.use = TRUE 表示使用raw數(shù)據(jù)，而不使用上一步projectData后的結(jié)果。

注2：在假設(shè)細(xì)胞數(shù)較多的群往往比細(xì)胞數(shù)較少的群發(fā)送更強(qiáng)的信號(hào)的前提下，當(dāng)population.size = TRUE時(shí)候，CellChat可以在概率計(jì)算中考慮每個(gè)細(xì)胞群中細(xì)胞比例的影響。

2，提取保存結(jié)果

根據(jù)需求保存結(jié)果，默認(rèn)保存全部結(jié)果（推薦），設(shè)置slot.name = "netP" 保存顯著的結(jié)果，指定sources.use和targets.use則能獲取指定配體受體方向的結(jié)果，signaling獲取指定signaling的結(jié)果。

#all the inferred cell-cell communications at the level of ligands/receptorsdf.net <- subsetCommunication(cellchat)write.csv(df.net, "cell-cell_communications.all.csv")
#access the the inferred communications at the level of signaling pathwaysdf.net1 <- subsetCommunication(cellchat,slot.name = "netP")
#gives the inferred cell-cell communications sending from cell groups 1 and 2 to cell groups 4 and 5.levels(cellchat@idents)df.net2 <- subsetCommunication(cellchat, sources.use = c("Epi"), targets.use = c("Fibroblast" ,"T")) 
#gives the inferred cell-cell communications mediated by signaling WNT and TGFb.df.net3 <- subsetCommunication(cellchat, signaling = c("CCL", "TGFb"))

3，計(jì)算cell-cell communication

使用computeCommunProbPathway計(jì)算每個(gè)信號(hào)通路的所有配體-受體相互作用的通信結(jié)果，結(jié)存存放在net 和 netP中。

然后使用aggregateNet計(jì)算細(xì)胞類型間整合的細(xì)胞通訊結(jié)果。

#計(jì)算每個(gè)信號(hào)通路相關(guān)的所有配體-受體相互作用的通信結(jié)果cellchat <- computeCommunProbPathway(cellchat)#計(jì)算整合的細(xì)胞類型之間通信結(jié)果cellchat <- aggregateNet(cellchat)

net中會(huì)有count 和 weight 兩個(gè)維度，可以選擇性可視化。

三 CellChat 可視化

文章題目就提到了可視化出眾，哪能做哪些常見(jiàn)的圖呢？

1，celltype之間通訊結(jié)果

1）根據(jù)使用netVisual_circle顯示任意兩個(gè)celltype之間的通訊次數(shù)（左）或總通訊強(qiáng)度(右)

groupSize <- as.numeric(table(cellchat@idents))par(mfrow = c(1,2), xpd=TRUE)netVisual_circle(cellchat@net$count, vertex.weight = groupSize,                  weight.scale = T, label.edge= F, title.name = "Number of interactions")netVisual_circle(cellchat@net$weight, vertex.weight = groupSize,                  weight.scale = T, label.edge= F, title.name = "Interaction weights/strength")

2）分別展示

根據(jù)celltype的個(gè)數(shù)，靈活調(diào)整mfrow = c(2,3) 參數(shù) 。像繪制count維度的，只需要修改下 mat <- cellchat@net$count 即可。

mat <- cellchat@net$weightpar(mfrow = c(2,3), xpd=TRUE)for (i in 1:nrow(mat)) {  mat2 <- matrix(0, nrow = nrow(mat), ncol = ncol(mat), dimnames = dimnames(mat))  mat2[i, ] <- mat[i, ]  netVisual_circle(mat2, vertex.weight = groupSize, weight.scale = T, edge.weight.max = max(mat), title.name = rownames(mat)[i])}

2，單個(gè)信號(hào)通路可視化

首先根據(jù)cellchat@netP$pathways展示當(dāng)前有哪些通路結(jié)果，選擇感興趣的進(jìn)行展示，此處示例展示TGFb通路。levels(cellchat@idents) 查看當(dāng)前的celltype順序，然后可以通過(guò)vertex.receiver指定target 的細(xì)胞類型。

1）層級(jí)圖

繪制層級(jí)圖的話，需要指定layout為hierarchy ，當(dāng)前版本默認(rèn)下出來(lái)的是circle圖。

cellchat@netP$pathwayspathways.show <- c("TGFb")  
levels(cellchat@idents)   #[1] "Epi"        "Myeloid"    "Fibroblast" "T"          "Endo"       "un"     vertex.receiver = c(1,2,4,5) 
netVisual_aggregate(cellchat, signaling = pathways.show,                      vertex.receiver = vertex.receiver,layout = "hierarchy")

左圖中間的Target是vertex.receiver選定的細(xì)胞類型，右圖是除vertex.receiver選中之外的另外的細(xì)胞類型。

2）和弦圖和熱圖

#Chord diagrampar(mfrow=c(1,1))netVisual_aggregate(cellchat, signaling = pathways.show, layout = "chord")
#Heatmappar(mfrow=c(1,1))netVisual_heatmap(cellchat, signaling = pathways.show, color.heatmap = "Reds")

注：繪制熱圖的話，需要使用netVisual_heatmap函數(shù)

3，繪制配體受體氣泡圖

1）指定受體-配體細(xì)胞類型

繪制指定受體-配體細(xì)胞類型中的全部配體受體結(jié)果的氣泡圖，通過(guò)sources.use 和 targets.use指定。

#指定受體-配體細(xì)胞類型netVisual_bubble(cellchat, sources.use = c(3,5),                      targets.use = c(1,2,4,6), remove.isolate = FALSE)

2）指定受體-配體細(xì)胞類型且指定通路

同時(shí)通過(guò)signaling指定展示通路

#指定TGFb和SPP1兩個(gè)信號(hào)通路netVisual_bubble(cellchat, sources.use = c(3,5), targets.use = c(1,2,4,6),                  signaling = c("TGFb","SPP1"), remove.isolate = FALSE)

3）某條信號(hào)通路（如TGFb）的所有基因在細(xì)胞群中的表達(dá)情況展示

## Plot the signaling gene expression distributionp1 = plotGeneExpression(cellchat, signaling = "SPP1")p1p2 = plotGeneExpression(cellchat, signaling = "SPP1", type = "dot")

更多的可視化展示方式詳見(jiàn)官網(wǎng)：Inference and analysis of cell-cell communication using CellChat (htmlpreview.github.io) 。

◆ ◆ ◆ ◆ ◆

精心整理（含圖PLUS版）|R語(yǔ)言生信分析，可視化（R統(tǒng)計(jì)，ggplot2繪圖，生信圖形可視化匯總）

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊舉報(bào)。

中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

1，載入R包和數(shù)據(jù)

2，創(chuàng)建CellChat對(duì)象

3，設(shè)置參考數(shù)據(jù)庫(kù)

4，表達(dá)數(shù)據(jù)的預(yù)處理