为什么要进行数据去批次
进行样本去批次(batch correction)是单细胞RNA测序数据分析的重要步骤之一。
技术噪声和批次效应: 单细胞RNA测序数据通常具有高度异质性,且在采样、实验操作、反应条件等多个环节中可能引入技术噪声和批次效应。这些因素会对测序数据质量产生影响,从而使得不同批次数据之间存在较大的差异。
批次效应的干扰:不同批次数据之间的差异会掩盖真正的生物学差异,从而影响后续的分析结果。例如,在聚类分析中,如果没有进行批次校正,就很容易把来自不同批次的细胞划分到不同的亚群中。
提高可比性和统计功效:去除批次效应可以提高不同实验之间的数据可比性,也可以增加数据之间的统计功效,从而更好地发现生物学上的差异和特点。
因此,为了保证单细胞RNA测序数据的准确性和可靠性,需要对数据进行样本去批次处理。去批次的方法包括Harmony,SeuratV3等,这些方法可以有效地消除批次效应和技术噪声,并提高单细胞RNA测序数据的质量,为后续的数据分析提供更加可靠的基础。
数据分次读入
使用GSE135337这个数据集中的数据进行分析
将数据处理成seurat对象 格式,然后保存后,进行分析比较,直接读入,进行分析。
data1 <- readRDS('./output_data/GSE135337_scobj/BC1.RDS')
data2 <- readRDS('./output_data/GSE135337_scobj/BC2.RDS')
data3 <- readRDS('./output_data/GSE135337_scobj/BC3.RDS')
data4 <- readRDS('./output_data/GSE135337_scobj/BC4.RDS')
data5 <- readRDS('./output_data/GSE135337_scobj/BC5.RDS')
data6 <- readRDS('./output_data/GSE135337_scobj/BC6.RDS')
datan <- readRDS('./output_data/GSE135337_scobj/BCN.RDS')
### 把数据变成list
data <- list(data1, data3, data4, data5, data6, datan)
多个数据整合
Merge 合并数据
### Merge 合并数据
scobj <- merge(x=data[[1]]
3905



被折叠的 条评论
为什么被折叠?



