Seurat -- variable features select

别再盲选高变基因了!Seurat中FindVariableFeatures的三种方法(vst/dispersion/mvp)实战对比与选择建议 本文深入对比了Seurat中FindVariableFeatures函数的三种高变基因选择方法(vst/dispersion/mvp),通过实验数据揭示各算法的优缺点及适用场景。针对单细胞转录组数据分析,提供了基于数据质量、研究目标和计算资源的决策框架,帮助研究者优化variable features选择策略,提升下游分析准确性。 阅读详情
AI摘要

文章详细介绍了Seurat包在单细胞转录组分析中的标准化流程,包括LogNormalize和SCTransform两种方法,并展示了如何使用FindVariableFeatures来识别高变特征。作者强调不同normalization方法会影响特征选择,而SCTransform因其综合处理方式被推荐用于后续分析。

文章目录

brief

  • seurat提供的教学里面包含了Standard pre-processing workflow,workflow包括QC,normalization,scale data ,detection of highly variable features。
  • 其中 normalization就有蛮多方法的,seurat自己就提供了两种,一种是"LogNormalization",另一种是目前正在大力推荐的"SCTransform",而且每一种方法参数众多,我觉得有必要对其进行仔细的探究,所以需要分开学习和记录。
  • 还有 detection of highly variable features以及scale data,也是方法和参数众多,我觉得有必要对其进行仔细的探究,所以需要分开学习和记录
  • 概要图以及系列博文可以参见链接。

这里主要记录了 FindVariableFeatures的学习过程。

实例

library(dplyr)
library(Seurat)
library(patchwork)
library(sctransform)

rm(list=ls())

# 使用read10X读取output of the cellranger pipeline from 10X,包括barcodes,genes,matrix.mtx三个文件
pbmc.data <- Read10X(data.dir = "D:/djs/pbmc3k_filtered_gene_bc_matrices/filtered_gene_bc_matrices/hg19")
# 使用 CreateSeuratObject函数构造seurat对象
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k",
                           min.cells = 3, min.features = 200,
                           names.delim = "-",names.field = 1)

pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")

pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 2500 & percent.mt < 5)

上面完成了Seurat对象的构建与QC.

==============================================================================================

下面开始进行normalization,然后开始 FindVariableFeatures

  • normalization
pbmc <- NormalizeData(pbmc, normalization.method = "LogNormalize", scale.factor = 10000)
pbmc <- SCTransform(pbmc, vst.flavor = "v2", verbose = FALSE,variable.features.n = 2000)

str(pbmc)
# 此处我们直接把两种normalization方法都进运行了
# LogNormalize把数据放在了 assays$RNA@data
# SCTransform把数据放在了 assays$SCT@data,同时assays$SCT@counts与assays$RNA@counts也有区别
# SCTransform运行过程中已经做好了 FindVariableFeatures --> ScaleData ,分别放在了assays$SCT@scale.data /assays$SCT@var.features 
  • FindVariableFeatures
# 因为上面把两种normalization方法都进运行了,有两个data,所以需要指定assay = "RNA" / assay = "SCT"
pbmc <- FindVariableFeatures(pbmc,assay = "RNA" ,selection.method = "vst", nfeatures = 2000)
# Identification of highly variable features (feature selection)
# 这里得到的feature会在下面的pca降维种默认使用

# Identify the 10 most highly variable genes
head(VariableFeatures(pbmc,assay = "RNA"), 10)
head(VariableFeatures(pbmc,assay = "SCT"), 10)

在这里插入图片描述
这里你可以看到前十的高变基因就有差异了。
看到下面一个数据就更值得思考了。

在这里插入图片描述

  • seurat提供的可视化方法
# plot variable features with and without labels
plot1 <- VariableFeaturePlot(pbmc,assay = "RNA")
plot2 <- LabelPoints(plot = plot1, points = top10, repel = TRUE)
plot1 + plot2
# plot variable features with and without labels
plot1 <- VariableFeaturePlot(pbmc,assay = "RNA")
plot2 <- VariableFeaturePlot(pbmc,assay = "SCT")
plot1 + plot2

在这里插入图片描述
然后variable 选择有几种方法,我试了一下不同方法在默认设置下的结果:

x <- intersect(VariableFeatures(pbmc_vst),VariableFeatures(pbmc_disp))
length(x)
length(VariableFeatures(pbmc_mvp))
x <- intersect(VariableFeatures(pbmc_vst),VariableFeatures(pbmc_mvp))
length(x)
x <- intersect(VariableFeatures(pbmc_disp),VariableFeatures(pbmc_mvp))
length(x)

在这里插入图片描述
在这里插入图片描述

后续很多分析是基于variable features进行的,不同的normalization 流程和 feature selectiion对后续分析的具体影响暂时我还没搞清楚。

但是你可以看到normalization 流程的不同会影响 feature selection ⇒ feature selection 的方法不同会导致highly variable features不同 ⇒ highly variable features不同你的RunPCA and cluster以及annotation 都会有些区别。

seurat官方比较推荐走SCTransform normalization流程,上一篇博客也简单的比较一下两种normalization方法,最后我个人也比较推荐使用 SCTransform normalization流程。SCTransform normalization流程会默认完成feature selection的选择,后续直接RunPCA --> FindNeighbors -->FindClusters一套流程直接走完。

单细胞测序数据整合 基于Seurat 联合harmony进行单细胞数据整合分析 阅读详情

相关推荐

生信-单细胞数据处理

文章目录写在前面写作来源开始为什么要用单细胞测序原始数据产出形式单细胞基本流程一些背景知识点为什么不使用RPKM等类似的统计量CV(标准差/均值)单细胞的样本配置质控部分标化问题tsne与pca为什么要去除核糖体和线粒体UMI,indrops`, `SEQC`, `zUMIs原理与流程应用方向R包需求等环境的设置R包的安装代码实操第一步:过滤(基因过滤,阈值:5%(**非硬性**))+提取批次信息+聚类的分组模式第二步:观察批次效应(PCA)导入数据(seurat包)质量控制(样本与基因,严格点的需要线粒体

wish_to_top的博客 8673

FindVariableFeatures(高可变基因)和FindMarkers(差异表达基因)的区别

FindVariableFeatures()–特征选择: 高变异基因就是highly variable features(HVGs),就是在细胞与细胞间进行比较,选择表达量差别最大的基因,Seurat使用FindVariableFeatures函数鉴定高可变基因,这些基因在PBMC不同细胞之间的表达量差异很大(在一些细胞中高表达,在另一些细胞中低表达)。默认情况下,会返回2,000个高可变基因用于下游的分析,如PCA等。 利用FindVariableFeatures函数,会计算一个mean-variance

watermel__的博客 2万+

GitHub Copilot 实战指南:从意图理解到生产级代码生成

GitHub Copilot 并非传统代码补全工具,而是一种基于任务语境的AI编程协作者,其核心能力在于将自然语言需求(如'按周聚合计数')精准映射为可运行代码。它依赖IDE语义分析(如VS Code的LSP协议)实现类型感知、上下文推理与跨文件逻辑串联,技术价值体现在压缩‘查文档-写样板-试错’循环60%以上。典型应用场景包括数据探索(自动dtype优化、EDA报告)、特征工程(约束式编码引导)、模型评估(系数解读+假设验证)。本文聚焦真实项目落地,深度融合GitHub Copilot与Python工程实

weixin_33845881的博客 443

生信小白学单细胞转录组(sc-RNA)测序数据分析——R语言

10X单细胞转录组理论上有3个文件才能被读入R进行seurat分析,分别是barcodes.tsv 、 genes.tsv和matrix.mtx,文件barcodes.tsv 和 genes.tsv,就是表达矩阵的行名和列名。

qq_46397705的博客 2万+

单细胞测序分析软件包_seurat使用笔记

本笔记主要参考 https://www.jianshu.com/p/75c6d55a63bb?from=timeline 主要是为了理清思路,记录一下,方便以后查找 Seurat软件介绍 导入分析需要的包 library(Seurat) library(dplyr) library(magrittr) 读入矩阵 #matrix.mtx, genes.tsv, and barcodes.tsv #使用Read10X函数读取矩阵数据 pbmc.data <- Read10X(data.dir = "..

ACGTexplorer的博客 1万+

使用ArchR分析单细胞ATAC-seq数据(第四章)

本文首发于我的个人博客, http://xuzhougeng.top/ 往期回顾: 使用ArchR分析单细胞ATAC-seq数据(第一章) 使用ArchR分析单细胞ATAC-seq数据(第二章) 使用ArchR分析单细胞ATAC-seq数据(第三章) 第4章: ArchR降维分析 scATAC-seq数据的稀疏性让降维这一步充满了挑战性。在scATAC-seq数据中,一个特定的位置存在三种...

xuzhougeng blog 2401

单细胞测序实践

单细胞测序实践

qz的博客 5468

单细胞测序学习笔记(一)——细胞聚类和鉴定

使用的是10X Genomics 5k Peripheral blood mononuclear cells (PBMCs) from a healthy donor (v3 chemistry) Single Cell Gene Expression Dataset by Cell Ranger 3.0.2 的数据 1.保持好习惯,先清空一下环境 rm(list = ls()) 2. 读取下载的数据,文件夹中包括三个文件:1. barcodes.tsv 2. features.tsv ...

weixin_63756017的博客 1万+

[单细胞|R]单细胞降维聚类

单细胞相关分析目前可谓是一颗明珠,故根据之前参加的培训整理系列常规教程。

F_zero_T_hero的博客 3717

2024从零开始使用VSCode编程(静态页面制作篇)HTML+CSS+JS阶段

VSCode第一个前端静态页面的编写

ssrsrrn的博客 9595

maxwell 平面变压器仿真(一)

在学习开关电源设计的时候,我们难免要设计变压器,采用有限元仿真软件MAXWELL 可以帮助我们确定变压器的励磁电感,漏感等参数。对于我们的理论分析大有裨益。但是苦于这破软件的教程真的是相当的零散,我相信大家用起来也总是苦于没有系统的教程指导,撰写本文的目的有两个,一个是记录自己使用的一些问题,一个是给大家提供一个可以参考的文档。

qq_45405656的博客 8261

生信分析基本流程--单样本分析

最近在学单细胞的生信分析,学的有点懵。。。。先做点记录吧,后面在看看有什么要改的。说起来,生信分析的B站上怎么全是直到这基本流程就结束的。。看文献后面应该还有很多。。不知道怎么学了。

fwkgeass的博客 1946

ComfyUI新手必看:JoyCaption 2插件安装全流程(附百度网盘资源)

本文为ComfyUI新手提供了JoyCaption 2插件的完整安装与部署指南。详细介绍了从环境准备、插件获取、模型文件配置到核心节点使用的全流程,并重点解析了其集成的LLM反推模式,帮助用户高效实现从图片到精准提示词的转换。

mango的博客 311

seurat中报错Error: Cannot add a different number of cells than already present

对整合分析后的seurat对象想取出其中的某个cluster进行再聚类分析,但报错参考解决办法,即Integrated后的对象不需要再进行NormalizeData() 和 FindVariableFeatures(), 直接跑 ScaleData()即可 参考Normalization Error: Cannot add different number of cells than already present · Issue #4228 · satijalab/seurat · GitHub...

weixin_54434521的博客 4321

逐行逐句进一步了解SurroundOcc(一)

通过分析中的模型构建过程,理解了从配置文件到模型实例化的整个流程。构建过程的核心是通过build和等函数,逐步将配置文件解析并生成模型的各个模块对象,最终组合成一个完整的模型结构。这一过程涉及多个类和函数的调用,其中函数是生成对象的关键,它能够从配置字典中提取必要信息并生成对应的类实例。

lovely_yoshino的博客 8117

MCU启动流程详解

在MCU启动后,系统从flash主存储区开始执行,先将0x08000000地址存放的堆栈栈顶指针赋给SP寄存器,将0x08000004地址存放的Reset_Handler复位向量地址赋给PC寄存器跳转执行系统复位,期间执行System_Initializes函数配置系统时钟,重定位向量表,执行MDK自带库函数__main将RW、ZI数据段从Flash加载到RAM,并跳转至_rt_entry进行Stack和Heap的初始化,最后跳转到熟悉的main函数。

weixin_50827397的博客 1511

Seurat官网教程复现 以及相关问题解决

Seurat是一个针对于单细胞RNA-seq数据处理,探索以及分析的R包。 在Seurat4.0版本中,加入了综合多模态分析,采用加权近邻分析来定义细胞状态;还加入了数据集间的快速比对方法,引入Azimuth,即利用高质量参考数据集快速映射新的scRNA-seq数据集。 下面以官网指导教程(https://satijalab.org/seurat/articles/pbmc3k_tutorial.html)为例,对Seurat进行初步熟悉。 教程中分析2700例由二代测序产生出的单细胞外周血细胞数据。

weixin_57699783的博客 1万+

RT-DETR模型应用过程中的报错处理及疑问解答,涉及环境搭建、模型训练、模块改进、论文写作

本文记录了RT-DETR模型的这一系列过程中可能发生的问题,以及大家非常关心的问题,这里统一做了一个记录和解答。

Limiiiing的博客 1772

单细胞10X genomcis 数据(seurat)统计方法;单细胞分析_统计_筛选单细胞里面表达变异度最高的基因

Find variable features pbmcX <- FindVariableFeatures(pbmcX, selection.method = "vst", nfeatures = 2000) vst: First, fits a line to the relationship of log(variance) and log(mean) using local polynomial regression (loess). Then standardizes the feature

sinat_29834313的博客 938

点云去噪:基于点云拟合的方法

点云处理是计算机视觉中的重要任务之一,而点云去噪是点云处理的关键步骤之一。在实际应用中,由于采集设备的噪声、运动估计误差或者环境干扰等因素,点云数据中常常包含有噪声点,这些噪声点会对后续的点云分析和处理造成不良影响。一种简单的方法是计算点到拟合曲面的距离,并将距离超过某个阈值的点定义为噪声点,进行过滤。一种简单的方法是计算点到拟合曲面的距离,并将距离超过某个阈值的点定义为噪声点,进行过滤。该方法通过拟合点云数据的曲面模型,对噪声点进行识别和过滤,从而得到更加干净的点云数据。

AuSwift的博客 643

SIMULINK开发项目实例 1000 例专栏之第912例--AC-DC整流器场景:基于PWM整流器拓扑结构的建模:三相电压型PWM整流器(SR)单位功率因数控制仿真

本文详细介绍了使用Simulink和Simscape Electrical搭建三相电压型PWM整流器(VSR)模型的方法。主要内容包括:系统结构设计、主电路拓扑搭建、单位功率因数控制算法实现(含PLL锁相环、dq变换、PI控制器等模块)、参数配置和仿真设置。通过仿真分析验证了该系统能实现输入电流与电压同相位、输出直流电压稳定等特性,体现了PWM整流器的高效性和低谐波优势。文章还提出了增强鲁棒性、多工况测试等优化建议,为电力电子系统设计提供了实用指导。该建模方法对新能源发电、电动汽车充电等领域具有重要意义。

xiaoheshang_123的博客 7798

Seurat -- Perform linear dimensional reduction

什么是线性降维?这里是一个很形象的,其中包括了一个视频链接。这里是如何用R 包psych做线性降维的,其中也有原理的简述。为什么要做线性降维?因为下一步的聚类分析需要这里的降维结果作为输入。降维做的好,聚类时细胞类群才分得开分的好。这里使用的 input是上一步的 select highly variable features对应的scale数据。highly variable features选的不好,降维算法再牛逼也可能拯救不了你的数据结果。

jiangshandaiyou的博客 2136

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

R语言:单细胞鉴定高变基因

pdf("标记前10高变基因.pdf")##标准化LogNormalize。> pdf("高变基因.pdf")# 提取前10的高变基因。

weixin_69558614的博客 835

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

单细胞 | 如何读懂单细胞转录组高频分析的图片

Dotplot(点图)是单细胞分析中最常用的可视化之一,堪称“信息密度之王”——它用点的大小+颜色同时编码两个维度的信息,在一张图里展示“哪些基因在哪些细胞簇表达、表达多少、覆盖多广”。小提琴图是在单细胞转录组分析中常用且信息密度很高的一类图形,用来展示一个连续变量在不同细胞群(例如簇、样本、条件)中的分布情况,便于发现特异性高表达的细胞簇。点的大小:表达该基因的细胞比例(Percent Expressed,0-100%)——点越大,簇内表达该基因的细胞越多。意味着簇内有两个亚群,表达量不同。

Igenebook的博客 2225

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

Seurat 包图文详解 | 单细胞转录组(scRNA-seq)分析02

Seurat 学习 一、创建 Seurat 对象 使用的示例数据集来自10X Genome 测序的 Peripheral Blood Mononuclear Cells (PBMC)。 library(dplyr) library(Seurat) # Load the PBMC dataset pbmc.data <- Read10X(data.dir = "../data/pbmc3k/...

Baimoc 2万+
上一篇: Seurat -- Normalize Data
下一篇: Seurat -- ScaleData学习
All_Will_Be_Fine噻
博客等级 码龄7年 369粉丝 198原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址