【CytoTRACE】trajectory reconstruction analysis

cytotrace有网页端和R包。

CytoTRACE

web端分析,分为单个dataset和多个需要整合的dataset.单样本主要用CytoTRACE功能,多样本、多batch、甚至10x和smart-seq2这种不同平台的，用conbat进行批次效应去除。

对于前者（单样本）需要：

1，表达矩阵，首行为细胞名，首列为基因名。不要pre filter genes，也不要normalization（但是log2，TPM可以，只要表达量不要出现负值就行）

A1那格可以瞎填一个 

2，phenotype table。第一列是细胞id，与表达矩阵相对应。第二列是cell label。注意此表不要包括headers

对于后者（多个样本），每个dataset各自准备好上述两个文件即可，多余5个dataset只能用R包分析。

代码版：

不少单细胞的包本身集成了python模块的机器学习，学好R reticulate包可以无痛安装这些包

install.packages("devtools")
devtools::install_local("CytoTRACE_0.3.3.tar.gz")
library(reticulate)

conda_list(conda = "auto")

conda_create("cytoTRACE", python_version = '3.7')

use_condaenv("cytoTRACE")

conda_install("cytoTRACE","numpy")

py_install(packages = "scanoramaCT", pip = T)

library(CytoTRACE)

dim(marrow_10x_expr)
marrow_10x_expr[1:4,1:4]
table(marrow_10x_pheno)

dim(marrow_plate_expr)
marrow_plate_expr[1:4,1:4]
table(marrow_plate_pheno)

#选择一个数据集走cytoTRACE
marrow_10x_expr_results <- CytoTRACE(mat = marrow_10x_expr)

plotCytoTRACE(marrow_10x_expr_results,
              phenotype = marrow_10x_pheno)

?plotCytoTRACE

#两个不同测序方法的dataset进行整合
datasets <- list(marrow_10x_expr, marrow_plate_expr)
results <- iCytoTRACE(datasets)

plotCytoTRACE(results,
              phenotype = c(marrow_10x_pheno,marrow_plate_pheno),
              gene = "Top2a")