R语言处理单细胞表达矩阵合并拟细胞(pseudocell)对表达矩阵进行压缩

原创

于 2022-06-16 23:45:08 发布 · 1.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#r语言

该博客介绍了如何使用R语言的`pseudocell`函数来处理大规模的Seurat对象，特别是针对超过100万个细胞的数据集。此函数通过将相同类型细胞合并为伪细胞，降低了数据复杂性。示例展示了如何对小型数据集（小于10万个细胞）进行操作，并提供了创建和应用`pseudocell`函数的代码片段。最后，通过一个简单的Seurat对象示例演示了如何压缩细胞并查看压缩后的表达矩阵。

更新函数pseudo_cell可以处理更大的数据集合(100w以上)
R-scripts-for-task/pseudo_cell func.r at main · Nh-code/R-scripts-for-task (github.com)
以下方法对小型数据集(<10w细胞)的Seurat对象对表达矩阵进行分组合并细胞，返回拟细胞seurat对象。

library(Seurat);library(dplyr);set.seed(123)
#define a pseudo_cell func
pseudocell <- function(object,group="orig.ident",group_n=10){
    object@meta.data <- object@meta.data %>% mutate(cellN=colnames(object)) %>% group_by(get(group)) %>% 
        mutate( bins.no = rep(1:ceiling(n()/group_n), each=group_n, length.out=n()) ) %>% 
        mutate(pseudo_label=paste0(get(group),"_N.",bins.no)) %>% tibble::column_to_rownames('cellN') %>% 
        data.frame()
    object_mini <- AverageExpression(object = object,group.by = "pseudo_label",slot = 'counts',return.seurat = TRUE)
    return(object_mini)
}
##object：seurat对象；group:指定metadata表细胞类型列