多个单细胞转录组样本的数据整合之CCA-Seurat包

Original 生信技能树生信技能树 2022-06-06

收录于合集 #单细胞进阶 139个

单细胞水平的研究是仅次于NGS的一次生物信息学领域的革命，同样的随随便便发CNS的黄金时期也过去了，现在想发高分文章，拿多个病人的多个样本进行单细胞转录组测序是非常正常的，比如下面的：

发表在 Nat Med. 2018 Aug; 题目是：Phenotype molding of stromal cells in the lung tumor microenvironment. 共选取5例病人的共19个样本，通过10×genomics单细胞转录组测序探索基质细胞的亚群分类、基因功能（信号通路）、关键marker基因和临床预后，共鉴定出52个基质细胞亚群，
发表在 Nature Medicine (2018) ，标题是：Single-cell profiling of breast cancer T cells reveals a tissue-resident memory subset associated with improved prognosis 作者从3个乳腺癌患者体内通过FACS筛选到乳腺癌中肿瘤浸润淋巴细胞（TILs），使用商业仪器10X来做单细胞转录组，得到6,311个T细胞数据。
还有我们在单细胞天地分享的scRNA-seq揭示胰腺导管腺癌的瘤内异质性和恶性进展，有24个原发性PDAC肿瘤病人样本及11个对照胰腺样本（3例非胰腺肿瘤患者和8例非恶性胰腺肿瘤患者样本）

大多数百万经费起的项目，当然，现在想发普通的单细胞文章，也是得做多个样本了，就面临如何整合的问题，其中最出名的当然是Seurat包的CCA方法了，具体多火呢，发了才一年，引用就快破千！

多个样本单细胞转录组数据整合算法

Seurat主要是处理10x单细胞转录组数据，而10x仪器商业上的成功可以说是成就了Seurat包，另外一个比较火的多个样本单细胞转录组数据整合算法是mutual nearest neighbors (MNNs)

当然，其它工具也有很多，我想你应该是不会看的，我就列出来而已：

MNNcorrect (https://doi.org/10.1038/nbt.4091)
CCA + anchors (Seurat v3) (https://doi.org/10.1101/460147)
CCA + dynamic time warping (Seurat v2) (https://doi.org/10.1038/nbt.4096) 今天介绍这个
LIGER (https://doi.org/10.1101/459891)
Harmony (https://doi.org/10.1101/461954)
Conos(https://doi.org/10.1101/460246)
Scanorama(https://doi.org/10.1101/371179)
scMerge(https://doi.org/10.1073/pnas.1820006116)

Seurat关于多个单细胞转录组样本整合的文章实在是很厉害了，第一个发在Nature Biotechnology volume36, pages411–420 (2018)，第二个发在CELL,Volume 177, Issue 7, 13 June 2019, 至少是我很长一段时间都无法企及的！

有趣的是 sctransform 还在预印本：Hafemeister, C. & Satija, R. Normalization and variance stabilization of single-cell RNA-seq data using regularized negative binomial regression. bioRxiv 576827 (2019). doi:10.1101/576827 不知道这个文章最后会在CNS的哪个子刊，或者干脆不发表了？

在CELL,Volume 177, Issue 7, 13 June 2019,文章里面描述了单细胞数据整合的两大问题：

how can disparate single-cell datasets, produced across individuals, technologies, and modalities be harmonized into a single reference
once a reference has been constructed, how can its data and meta-data improve the analysis of new experiments?

示例的2个样本整合的效果

canonical correlation analysis (CCA)

在Seurat官网的最简单例子是两个样本，本来是有很明显的样本差异的，使用CCA整合后右图可以看到样本间差异就被抹去了。

如果你下载文章仔细学习，会发现作者还举了很多其它例子，包括不同单细胞转录组技术平台数据整合，甚至不同物种（人和鼠）的数据整合，还有不同物种不同技术平台的综合整合，可以说是很厉害了，如下：

就是不同技术平台：3,451 hematopoietic progenitor cells from murine bone marrow sequenced using MARS-Seq (2,686) and SMART-Seq2 (SS2; 765)

如下：

就是不同物种：10,191 pancreatic islet cells from human (n = 8,424 cells) and mouse (n = 1,767 cells) donors

用法代码

因为这个被他们实验室自己的CCA + anchors (Seurat v3)取代了，所以学这个CCA + dynamic time warping (Seurat v2) 的意义可能不大，我这里就贴一下作者的示例代码，来自于：https://rdrr.io/cran/Seurat/man/RunCCA.html 需要 (Seurat v3)

pbmc_small
# As CCA requires two datasets, we will split our test object into two just for this example
pbmc1 <- subset(pbmc_small, cells = colnames(pbmc_small)[1:40])
pbmc2 <- subset(pbmc_small, cells = colnames(x = pbmc_small)[41:80])
pbmc1[["group"]] <- "group1"
pbmc2[["group"]] <- "group2"
pbmc_cca <- RunCCA(object1 = pbmc1, object2 = pbmc2)
# Print results
print(x = pbmc_cca[["cca"]])