单细胞选取数据

单细胞选取数据

1.常用的几种数据含义

Assays

默认情况下，我们是对Seurat中的RNA的Assay进行操作。最初开始的数据只有一个RNA的assay，数据在进行变换SCT，或者整合单样本数据intergration，或去除污染SoupX，或融合velocity；都会将处理后的结果数据存放到新的Assay中。

可以通过@active.assay查看当前默认的assay，通过DefaultAssay()更改当前的默认assay。

counts为raw原始数据，我们开始对assay中的RNA数据中的counts进行处理，对稀疏矩阵进行归一化处理后的结果存储在data， 接着用ScaleData()处理后的数据存储在scale.data中。

三种数据之间的结构

counts：存储原始数据，是稀疏矩阵
data：存储logNormalize() 规范化的data。总表达式对每个单元格的要素表达式度量进行标准化，将其乘以比例因子（默认为10,000），并对结果进行对数转换
scale.data： 存储 ScaleData()缩放后的data，此步骤需要时间久。

每个数据都是一个单独的数据框，列名都是一样的，但是存放的数据不一样。

调用方法： head(pbmc@assays$RNA@data) ：调用raw数据

meta.data

元数据，对每个细胞的描述。一般的meta.data包括orig.ident, nCount_RNA, nFeature_RNA, 以及计算后的percent.mt，RNA_snn_res.0.5等；后期的线粒体过滤、细胞个数是通过该表进行操作的。

调用方式：pbmc$percent.mt或pbmc[['percent.mt']]：查看percent.mt比例，一个是data.frame;一个是向量。

reduction

降维后的每个细胞的坐标信息，包括pca，tsne，umap等；将integrated作为默认assay进行PCAUMAP等分析。

2. 对象操作

① 通过结构图上的@,$符号依次取

② 两个中括号操作，pbmc[[ ]]

教程中，pbmc[[‘percent.MT’]]向meta.data添加 percent.MT 这一列。
pbmc[[]]，中括号取的是上面结构图中的二级数据名称

@,$符号依次取，是两个符号交替进行，先@在$，如pbmc@assays$RNA@data；此处没有$之后接向量的含义，跟R选取数据不同。

差异

针对assay或者resolution而言，两种方式得到的结果不存在差别

pbmc[['RNA']] 或者 pbmc@assays$RNA
pbmc[['pca']] 或者pbmc@reductions$pca

针对meta.data的分析内容存在差别

pbmc[['nCount_RNA']] #取出来是所有细胞的nCount_RNA，是一个数据框
pbmc@meta.data$nCount_RNA #取出来的是单独nCount_RNA一列，是向量

最后

以上就是传统树叶为你收集整理的单细胞选取数据的全部内容，希望文章能够帮你解决单细胞选取数据所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。