更多精彩请至我的公众号《KS科研分享与服务》
第一次接触基因评分是在一篇文章中,也不知道这样的叫法对不对,作者选定了几个炎症基因,利用seurat包的一个打分函数AddModuleScore,依据基因的平均表达水平进行分析,最后得到的score称为炎症分数,其实这样的叫法有点欠缺,但是有这样的做法。(演示数据没有意义)
选择基因进行计算。
DefaultAssay(immune) <- "rna" cd_features <- list(c( 'tnf', 'ccl2', 'ccl3', 'ccl4', 'cxcl10', 's100a8', 'cxcl1' )) inscore addmodulescore(immune, features="cd_features," ctrl="100," name="CD_Features" ) colnames(inscore@meta.data) colnames(inscore@meta.data)[27] 'inflammatory_score' < code></->
其实构建了一个Inscore的seurat对象,对其进行可视化。
VlnPlot(Inscore,features = 'Inflammatory_Score',
pt.size = 0, adjust = 2,group.by = "orig.ident")
将其映射到UMAP,更加直观。
library(ggplot2)
mydata<- fetchdata(inscore,vars="c("UMAP_1","UMAP_2","Inflammatory_Score"))" a <- ggplot(mydata,aes(x="UMAP_1,y" =umap_2,colour="Inflammatory_Score))+" geom_point(size="1)+scale_color_gradientn(values" = seq(0,1,0.2), colours="c('#333366',"#6666FF",'#CC3333','#FFCC33'))" a+ theme_bw() + theme(panel.grid.major="element_blank()," panel.grid.minor="element_blank()," axis.line="element_line(colour" "black"), panel.border="element_rect(fill=NA,color="black"," size="1," linetype="solid" )) < code></->
箱线图展示不同组织之间的评分差异。
data<- fetchdata(inscore,vars="c("group","Inflammatory_Score"))" ggplot(data, aes(x="group,y=Inflammatory_Score
))" + theme_bw()+rotatedaxis()+ theme(panel.grid="element_blank()," axis.text.x="element_text(angle=10,hjust" = 1,vjust="0.5))+" labs(x="NULL,y=NULL,title" "regulation of necroptotic process")+ geom_jitter(col="#00000033" , pch="19,cex=2.5," position="position_jitter(0.2))+" geom_boxplot(position="position_dodge(0),aes(color" factor(group)))+ nolegend()+theme(plot.title="element_text(hjust" 0.5)) #也就加上这一行,标题居中 < code></->
=======================================================================
AddModuleScore函数仅仅是对选定的基因进行评分,其意义有限。而另一种对基因集的打分方式—AUCell,可以鉴定某个通路活跃的基因集在细胞群上的展示,也可以理解为对通路活性的评分。初次看到这个还是在一篇NM的文章里,用了大量的AUCell分析,可以学习一下。
首先安装AUCell这个包,并加载相关R包。
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("AUCell",force = TRUE)
library(AUCell)
library(clusterProfiler)
对细胞表达矩阵排列,下载GSEA基因集文件,网址:http://www.gsea-msigdb.org/gsea/downloads.jsp,选择自己需要关注的板块。进行评分计算。
cells_rankings <- aucell_buildrankings(immune@assays$rna@data) hallmarker <- read.gmt("h.all.v7.5.1.symbols.gmt") genesets lapply(unique(hallmarker$term), function(x){print(x);hallmarker$gene[hallmarker$term="=" x]}) names(genesets) unique(hallmarker$term) cells_auc aucell_calcauc(genesets, cells_rankings, aucmaxrank="nrow(cells_rankings)*0.1)" < code></->
选定某一个需要关注的通路,进行可视化。
##set gene set of interest here for plotting
geneSet <- "hallmark_tnfa_signaling_via_nfkb" aucs <- as.numeric(getauc(cells_auc)[geneset, ]) immune$auc library(ggraph) ggplot(data.frame(immune@meta.data, immune@reductions$umap@cell.embeddings), aes(umap_1, umap_2, color="AUC)" ) + geom_point( size="1.5" scale_color_viridis(option="A" theme_light(base_size="15)+labs(title" = "tnfa_signaling_via_nfkb")+ theme(panel.border="element_rect(fill=NA,color="black"," linetype="solid" ))+ theme(plot.title="element_text(hjust" 0.5)) < code></->
以上就是今天的分享了,关键是要找到合适的基因应用到具体的研究,找好需要的基因集。
Original: https://blog.csdn.net/qq_42090739/article/details/123549020
Author: TS的美梦
Title: 跟着Cell学单细胞转录组分析(十一):单细胞基因评分|AUCell评分
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/700885/
转载文章受原作者版权保护。转载请注明原作者出处!