单细胞分析十八般武艺8：Garnett

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。

往期专题

Garnett简介

分析原理

Garnett使用人工定义的marker基因信息来选择细胞，然后基于这些细胞使用弹性网络回归（elastic-net regression）的机器学习算法训练分类器。分类器中定义细胞类型的基因不仅有marker file中人工挑选的marker，还会增加一些机器学习得到的新marker，利用这些信息就可以对新数据集的细胞分类。

分析流程

用户可以自己定义细胞类型的marker基因并训练分类器，也可以下载作者构建好的分类。

链接：https://cole-trapnell-lab.github.io/garnett/classifiers/

如果自己训练分类器，流程如下：

1. 制作符合garnett格式要求的定义细胞类型的marker基因文本文件（marker file）。
2. 使用单细胞数据创建monocle3的CDS数据对象（cds object）。
3. 将marker file和cds object输入garnett，对marker基因进行打分，然后根据评分结果优化marker file。
4. 将优化后的marker file和cds object输入garnett训练分类器。
5. 使用分类器对新的cds数据进行细胞分类。

分类效果

Garnett是一种有监督的分类方法，其准确性和人工定义的marker基因信息密切相关。作者构建了几个分类器并测试了分类准确性，其中PBMC的结果最好：使用扩展分类方法，可以正确识别94%的细胞，剩下的2%分类错误，还有4%的细胞garnett无法识别。

安装garnett

Garnett的运行依赖monole3和bioconductor的物种基因信息数据库（org.xx.eg.db系列），安装garnett要先安装monole3和其他依赖包。

## 首先安装monole3
# 安装monole3的依赖包
BiocManager::install(c('BiocGenerics', 'DelayedArray', 'DelayedMatrixStats',
                       'limma', 'S4Vectors', 'SingleCellExperiment',
                       'SummarizedExperiment'))
# 安装monocle3
devtools::install_github('cole-trapnell-lab/monocle3')

## 然后安装常用的人和小鼠的基因信息数据库
BiocManager::install(c('org.Hs.eg.db', 'org.Mm.eg.db'))

## 最后安装garnett
devtools::install_github("cole-trapnell-lab/garnett", ref="monocle3")

10x PBMC数据实测

测试数据来源于10x genomics官网的示例数据集。

数据下载

下载PBMC单细胞数据，marker file和预先训练好的分类器。
library(Seurat)
library(monocle3)
library(garnett)
library(SingleR)
library(org.Hs.eg.db)
library(tidyverse)
library(patchwork)

rm(list=ls())
dir.create("garnett_demo")
setwd("garnett_demo")

download.file(url="https://cf.10xgenomics.com/samples/cell-exp/3.0.2/5k_pbmc_v3_nextgem/5k_pbmc_v3_nextgem_filtered_feature_bc_matrix.h5", 
              destfile = "pbmc.h5")
download.file(url="https://cole-trapnell-lab.github.io/garnett/classifiers/hsPBMC_20191017.RDS",
              destfile = "hsPBMC.rds")
download.file(url="https://cole-trapnell-lab.github.io/garnett/marker_files/hsPBMC_markers.txt",
              destfile = "hsPBMC_markers.txt")

## 创建seurat对象并降维聚类
pbmc <- Read10X_h5("pbmc.h5")
pbmc <- CreateSeuratObject(pbmc, min.cells = 3, min.features = 200)
pbmc <- SCTransform(pbmc)
pbmc <- RunPCA(pbmc, verbose = F)
ElbowPlot(pbmc)
pc.num=1:15
pbmc <- pbmc %>% RunTSNE(dims=pc.num) %>% RunUMAP(dims=pc.num) %>%
        FindNeighbors(dims = pc.num) %>% FindClusters(resolution=0.8)              

MarkerFile格式

训练分类器首先需要确定各种细胞类型的marker基因，并创建一个符合garnett要求的数据文件。以我们下载的marker file为例：

每个细胞类型必须包含两行：

1. “>”开头的细胞类型字段；
2. “expressed: ” 开头的字符定义细胞类型的marker基因。
   可选以下几行附加信息：

• “not expressed: ” 开头的字符定义细胞类型的负选marker基因。
• 可以使用“expressed above:”、“expressed below:”、“expressed between:”定义marker基因的表达值范围。
• “subtype of:” 开头的字符定义细胞类型的父类，即此类细胞属于哪种细胞的亚型。
• “references:” 开头的字符定义marker基因的选择依据。

Marker基因评估

## 创建CDS对象
data <- GetAssayData(pbmc, assay = 'RNA', slot = 'counts')
cell_metadata <- [e-mail]
gene_annotation <- data.frame(gene_short_name = rownames(data))
rownames(gene_annotation) <- rownames(data)
cds <- new_cell_data_set(data,
                         cell_metadata = cell_metadata,
                         gene_metadata = gene_annotation)
#preprocess_cds函数相当于seurat中NormalizeData+ScaleData+RunPCA
cds <- preprocess_cds(cds, num_dim = 30)

## 演示利用marker file训练分类器
# 对marker file中marker基因评分
marker_check <- check_markers(cds, "hsPBMC_markers.txt",
                              db=org.Hs.eg.db,
                              cds_gene_id_type = "SYMBOL",
                              marker_file_gene_id_type = "SYMBOL")
plot_markers(marker_check)

评估结果会以红色字体提示哪些marker基因在数据库中找不到对应的Ensembl名称，以及哪些基因的特异性不高（标注“High overlap with XX cells”）。我们可以根据评估结果优化marker基因，或者添加其他信息来辅助区分细胞类型。

训练分类器

# 使用marker file和cds对象训练分类器
pbmc_classifier <- train_cell_classifier(cds = cds,
                                         marker_file = "hsPBMC_markers.txt",
                                         db=org.Hs.eg.db,
                                         cds_gene_id_type = "SYMBOL",
                                         num_unknown = 50,
                                         marker_file_gene_id_type = "SYMBOL")
saveRDS(pbmc_classifier, "pbmc_classifier.rds")

# 查看分类器最后选择的根节点基因，注意markerfile的基因都会在其中
feature_genes_root <- get_feature_genes(pbmc_classifier, node = "root",  
                                        db = org.Hs.eg.db, convert_ids = TRUE)
head(feature_genes_root)
#                 B cells        CD34+ Dendritic cells   Monocytes    NK cells     T cells     Unknown
#(Intercept) -0.17904570 -0.511471201     -0.46133695 -0.18514496  0.15949539  0.34180682 0.835696611
#MS4A1        0.62437483  0.014971998     -0.51071341 -0.39488804 -0.04377010 -0.06051123 0.370535955
#CD3E        -0.04250250  0.113640425     -0.06674712 -0.14783769 -0.04573743  0.18596204 0.003222269
#CD3D        -0.21560305 -0.095353417      0.18417484 -0.03694182 -0.20621575  0.23510820 0.134830996
#CD3G        -0.07838514  0.003340245      0.04782908 -0.23665376 -0.01593186  0.21938815 0.060413288
#CD19         1.05377553 -0.395188459      0.10976294  0.02730268 -0.10411129 -0.79719777 0.105656378
# 查看分类器中分支节点的分类基因
feature_genes_branch <- get_feature_genes(pbmc_classifier, node = "T cells",  
                                        db = org.Hs.eg.db, convert_ids = TRUE)
#head(feature_genes_branch)    
#             CD4 T cells  CD8 T cells      Unknown
#(Intercept)  0.776393262 -1.070693475  0.294300213
#AKR7A2       0.009892929  0.003568803 -0.013461732
#YTHDF2      -0.009176618  0.002927022  0.006249596
#AGO3        -0.018056956  0.003335809  0.014721147
#SCP2         0.066925112  0.024191726 -0.091116838
#CDC14A       0.049606392 -0.006880622 -0.042725770                                 

使用分类器

我们使用garnett官网训练好的分类器预测咱们下载的pbmc数据。

## 使用下载的分类器分类
hsPBMC <- readRDS("hsPBMC.rds")
pData(cds)$garnett_cluster <- pData(cds)$seurat_clusters
cds <- classify_cells(cds, hsPBMC, db = org.Hs.eg.db, cluster_extend = TRUE, cds_gene_id_type = "SYMBOL")
## 将结果返回给seurat对象# 提取分类结果
cds.meta <- subset(pData(cds), select = c("cell_type", "cluster_ext_type")) %>% as.data.frame()
pbmc <- AddMetaData(pbmc, metadata = cds.meta)

分类结果对比

Azimuth分类

Azimuth的详细说明和使用方法见《单细胞分析十八般武艺5：monocle3》中的利用azimuth鉴定细胞类型部分。

## 细胞分类之Azimuth
pbmc_counts <- pbmc@assays$RNA@counts
saveRDS(pbmc_counts, "pbmc_counts.rds")
#上传http://azimuth.satijalab.org/app/azimuth网站在线分类，分类结果为azimuth_pred.tsv文件
predictions <- read.delim('azimuth_pred.tsv', row.names = 1)
pbmc <- AddMetaData(pbmc, metadata = predictions)

SingleR分类

## 细胞分类之SingleR
refdata <- HumanPrimaryCellAtlasData()
testdata <- GetAssayData(pbmc, slot="data")
clusters <- pbmc$seurat_clusters
cellpred <- SingleR(test = testdata, ref = refdata, labels = refdata$label.main, 
                    method = "cluster", clusters = clusters, 
                    assay.type.test = "logcounts", assay.type.ref = "logcounts")
celltype = data.frame(ClusterID=rownames(cellpred), celltype=cellpred$labels, stringsAsFactors = F)
pbmc$SingleR = "NA"
for(i in 1:nrow(celltype)){
  pbmc$SingleR[which(pbmc$seurat_clusters == celltype$ClusterID[i])] <- celltype$celltype[i]}

三种结果对比

table(pbmc$cluster_ext_type)
#        B cells           CD34+     CD4 T cells     CD8 T cells Dendritic cells       Monocytes        NK cells 
#            625              12            2484              81              73             945             486 
#        T cells         Unknown 
#            292             102 
table(pbmc$predicted.id)
#             ASDC    B intermediate          B memory           B naive         CD14 Mono         CD16 Mono 
#                3               178               122               312               896                91 
#          CD4 CTL         CD4 Naive CD4 Proliferating           CD4 TCM           CD4 TEM         CD8 Naive 
#               55               952                 3               793               143               138 
#          CD8 TCM           CD8 TEM              cDC1              cDC2               dnT             Eryth 
#               29               262                 4                61                 7               373 
#              gdT              HSPC               ILC              MAIT                NK  NK Proliferating 
#               96                 7                 3                24               376                 4 
#    NK_CD56bright               pDC       Plasmablast          Platelet              Treg 
#               28                28                 3                30                79 
table(pbmc$SingleR)
#   B_cell  Monocyte   NK_cell Platelets   T_cells 
#      659      1085       386        30      2940 
p <- DimPlot(pbmc, group.by = "cluster_ext_type", label = T, 
              label.size = 3) +  ggtitle("Classified by Garnett")
ggsave("Garnett.png", p, width = 8, height = 6)
p <- DimPlot(pbmc, group.by = "predicted.id", label = T, 
              label.size = 3) +  ggtitle("Classified by Azimuth")
ggsave("Azimuth.png", p, width = 8, height = 6)
p <- DimPlot(pbmc, group.by = "SingleR", label = T, 
              label.size = 3) +  ggtitle("Classified by SingleR")
ggsave("SingleR.png", p, width = 8, height = 6)

交流探讨：如果您阅读此文有所疑惑，或有不同见解，亦或其他问题，可以点击阅读原文联系探讨。

往期回顾

---

---

---

如果你对单细胞转录组研究感兴趣，但又不知道如何入门，也许你可以关注一下下面的课程

看完记得顺手点个“在看”哦！

生物 | 单细胞 | 转录组丨资料每天都精彩

长按扫码可关注