各类单细胞对象（数据格式）转换大全（一）

前言

作为今年来科研界的香饽饽，单细胞测序技术自身蓬勃发展的同时，其对应的分析软件也在不断地涌现。目前我使用过的单细胞测序R包也已经有十余种了，例如Seurat、iCellR、Monocle、Cellchat、iTalk、NicheNet、CellphoneDB、infercnv、scWGCNA、SingleR、DropletTestFiles、velocyto.R等。虽然它们实际运行时的”容器“结构可能会有所不同，但这些R包的核心作用都是用来分析scRNA-Seq所产生的矩阵，因此这些包的数据对象之间又可以通过一定的方式进行转化、运用。并且，它们大都可以通过Seurat相互转换。这里先给大家列出一些，后续如果有更多R包，会再发布一个续集。当然了，列在这里大家未必会用，出到这些R包的教程时我们会再给大家详细介绍，这里就当插个眼吧。如果看不懂，就看看前面的教程：
不好意思 第一还是我

01

Seurat => Cellchat

library(CellChat)library(SeuratscRNA$celltype<-Idents(scRNA)DefaultAssay(scRNA)<-"RNA"Idents(scRNA)<-"celltype"[e-mail]$celltype <- [e-mail] <- scRNA@assays$RNA@data#取出输入数据#identity = data.frame(group =[e-mail],row.names = names([e-mail])) #被我用meta替代了#unique(identity$group)meta<[e-mail]#取出注释信息cellchat <- createCellChat(object = data.input, meta = meta, group.by = "celltype")#创建cellchat对象，加上meta注释与细胞类型cellchat <- setIdent(cellchat, ident.use = "celltype")#设置默认的ident

02

Seurat => monocle

library(monocle)library(multtest)library(Seurat)DefaultAssay(scRNA)<-"RNA"data <- as(as.matrix(scRNA@assays$RNA@counts), 'sparseMatrix')pd <- new('AnnotatedDataFrame', data = [e-mail])fData <- data.frame(gene_short_name = row.names(data), row.names = row.names(data))fd <- new('AnnotatedDataFrame', data = fData)mycds <- newCellDataSet(data, phenoData = pd, featureData = fd, expressionFamily = negbinomial.size())#从seurat到monocle的数据转换

03

Seurat => cellphoneDB

library(Seurat)library(tidyverse)dir.create("CellTalk")scRNA <- readRDS("C:/Users/CPU1302/Desktop/cellfind.rds")sp1 <- scRNAsp1_counts <- as.matrix(sp1@assays$RNA@data)sp1_counts <- data.frame(Gene=rownames(sp1_counts), sp1_counts)sp1_meta <- data.frame(Cell=rownames([e-mail]), cell_type=[e-mail]$celltype_Monaco)write.table(sp1_counts, "CellTalk/sp1_counts.txt", row.names=F, sep='\t')write.table(sp1_meta, "CellTalk/sp1_meta.txt", row.names=F, sep='\t')

04

Seurat => italk

library(iTALK)library(Seurat)library(Matrix)library(dplyr)scRNA <- readRDS(file = "/Seurat.rds")# iTALK 要求的矩阵: 行为细胞，列为基因iTalk_data <- as.data.frame(t(scRNA@assays$RNA@counts))# iTALK 要求包含cell_type列，我的细胞分群存储在seurat_clusteriTalk_data$cell_type <- [e-mail]$seurat_cluster# iTALK 要求包含compare_group列（多样本），表示每个细胞的生物学分组/样本，我的细胞分组存放在GroupiTalk_data$compare_group <- [e-mail]$Group

05

Seurat => loom

scRNA.loom <- as.loom(scRNA, filename = "./scRNA.loom", verbose = FALSE)scRNA.loom

06

loom => Seurat

library(Seurat)loomPath <- system.file(package="SCENIC", "examples/mouseBrain_toy.loom")library(SCopeLoomR)loom <- open_loom(loomPath)exprMat <- get_dgem(loom)cellInfo <- get_cell_annotation(loom)close_loom(loom)scRNA <- CreateSeuratObject(counts = exprMat)scRNA <- AddMetaData(scRNA, metadata=cellInfo)

07

Seurat => SingleCellExperiment

library(Seurat)scRNA.sce <- as.SingleCellExperiment(scRNA)

08

SingleCellExperiment=> Seurat

library(scater)library(Seurat)#remotes::install_github("mojaveazure/seurat-disk")library(SeuratDisk)library(patchwork)library(SeuratData)#BiocManager::install('zellkonverter')pbmc <- zellkonverter::readH5AD('adata.tcell.010920/adata.tcell.010920.h5ad')saveRDS(pbmc,'singlecellexperiment.rds')

09

Seurat => SingleR

library(SingleR)scRNA_for_SingleR <- GetAssayData(scRNA, slot="data")#取出样本中的表达序列#mouseImmu <- ImmGenData()#############解决内置数据库无法正常载入问题#################参考：https://mp.weixin.5pVLS5TKd6g
library(SingleR)if(!require(celldex))BiocManager::install('celldex')cg=MouseRNAseqData()mouseRNA <- MouseRNAseqData()#读取整个鼠的表达阵列做参考pred.mouseRNA <- SingleR(test = scRNA_for_SingleR, ref = mouseRNA, labels = mouseRNA$label.fine )#以kidney中提取的阵列为输入数据，以小鼠的阵列作为参考，predict细胞类型
cellType=data.frame(seurat=[e-mail]$seurat_clusters, mouseImmu=pred.mouseImmu$labels,#这一行第一次run的时候可能要去掉 mouseRNA=pred.mouseRNA$labels)

如何联系我们

最近发现后台中有一些消息我没能及时看到并答复，微信后台中超过48h后便不允许回复读者消息，这里还是再给大家留一下答疑的扣扣号，方便大家随时交流：1913507043。微信号可以点击喜欢作者后自动回复里有。欢迎大家向我咨询或者提供建议。大家可以阅读完这几篇之后添加我：如何搜索公众号过往发布内容
答疑公约
笑一笑也就算了