使用singleR预测细胞类型

SingleR是用于单细胞RNA测序（scRNAseq）数据的自动注释方法（Aran et al.2019）。给定具有已知标签的样本（单细胞或RNAseq）参考数据集，它将基于与参考数据的相似性标记测试数据集中的新细胞。具体来说，对于每个测试单元：

1. 计算其表达谱与每个参考样品的表达谱之间的Spearman相关性。
2. 将每个标签的分数定义为相关性分布的fixed quantile（默认为0.8)。
3. 对所有标签重复此操作，然后将得分最高的标签作为此细胞的注释。
4. 选择性执行微调

安装

BiocManager::install("SingleR")
BiocManager::install("celldex")

SingleR通过专用的数据检索功能提供了多个参考数据集（主要来自大量RNA-seq或微阵列数据）。例如，我们使用HumanPrimaryCellAtlasData()函数从人类原代细胞图集获得参考数据，该函数返回一个SummarizedExperiment对象，该对象包含带有样本级标签的对数表达值矩阵。

singleR的自带参考数据集保存在celldex包中，其中五个人类参考数据和两个小鼠参考数据：

使用

library(SingleR)
ref <- HumanPrimaryCellAtlasData()
ref

pred.scRNA <- SingleR(test = scRNA@assays$RNA@data, ref = ref,labels = ref$label.main, clusters = scRNA@active.ident, fine.tune = TRUE, BPPARAM = MulticoreParam(40))
#鉴定各聚类的细胞类型，可选择method 参数为“single”，返回每个细胞的鉴定结果。clusters参数指定的各聚类的名称
pred.scRNA$pruned.labels

#查看注释准确性 
pdf(file="10.celllabel.pdf",width=10,height=10)   
plotScoreHeatmap(pred.scRNA, clusters=pred.scRNA@rownames, fontsize.row = 9,show_colnames = T)
dev.off()

#绘制带cell label的tsne和umap图
new.cluster.ids <- pred.scRNA$pruned.labels
names(new.cluster.ids) <- levels(scRNA)
levels(scRNA)
# 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
scRNA <- RenameIdents(scRNA,new.cluster.ids)
levels(scRNA)

pdf(file="10.TSNE_lable.pdf",width=6.5,height=6)
TSNEPlot(object = scRNA1, pt.size = 0.5, label = TRUE)  
dev.off()

pdf(file="10.uMAP_label.pdf",width=6.5,height=6)
DimPlot(scRNA1, reduction = "umap",pt.size=0.5,label = TRUE)
dev.off()