跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释

书接上回（跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类）。完成数据降维和细胞聚类后，最主要的环节和工作就是确定各个细胞群，明确是什么类型的细胞，正群的细胞定群很关键，涉及到整个研究，所以这一步宁愿多费时间，也不要出错。当然，这也不是一蹴而就的，需要反复的确认。

要确定各个群是什么细胞，首先需要了解细胞群的marker基因，因为不同类型的细胞突出 表达的基因也是不同的。这里使用FindAllMarkers鉴定各个细胞群的高表达基因。

DefaultAssay(scedata) <- "RNA"all.markers  <- FindAllMarkers(scedata,                                 only.pos = TRUE,                                 min.pct = 0.25,                                 logfc.threshold = 0.75)significant.markers  <- all.markers [all.markers $p_val_adj < 0.2, ]write.csv(significant.markers, file = "significant.markers.csv")#保存

Seurat提供了几种函数例如FeaturePlot()、DotPlot()和DoHeatmap()，按照文章中的mrker基因，做一下可视化。

markers <- c("ACKR1","RAMP2","SELE","VWF","PECAM1",             "LUM","COL3A1","DCN","COL1A1","CFD",             "KRT14","KRT5","S100A2","CSTA","SPRR1B",             "CD69","CD52","CXCR4","PTPRC","HCST")DotPlot(scedata,features = markers)+coord_flip()

点图：

UMAP图：

FeaturePlot(scedata,features = c("ACKR1","LUM","KRT14","CD69"))

热图：

alldata <- ScaleData(scedata,                      features = markers,                      assay = "RNA")DoHeatmap(alldata,           features = markers,          group.by = "seurat_clusters",          assay = "RNA")

很显然，这些都是默认出图，距离发文章还是有一定距离的，后期我们会专门讲解个性化的修饰，争取可视化更好。

接下来就是细胞定群了，对各个细胞群命名。细胞定群有很多方法，目前也有很多工具，但是依照小编的经验，自动定群等一般结果不是完全正确，况且操作复杂，为了保证正确性，最使用的办法还是查询文献定群。定群后，对细胞群重命名。

scedata <- subset(scedata, idents = c("21"), invert = TRUE)#去掉低质量细胞群new.cluster.ids <- c("0"="Fibroblast",                      "1"="Endothelial",                      "2"="Endothelial",                      "3"="Endothelial",                      "4"="Immune",                      "5"="Immune",                      "6"="Endothelial",                      "7"="Fibroblast",                      "8"="Other",                      "9"="Immune",                      "10"="Epithelial",                      "11"="Endothelial",                      "12"="Fibroblast",                      "13"="Immune",                      "14"="Other",                      "15"="Immune",                      "16"="Fibroblast",                      "17"="Endothelial",                      "18"="Fibroblast",                      "19"="Epithelial",                      "20"="Endothelial",                      "22"="Immune",                     "23"="Immune",                      "24"="Immune",                      "25"="Epithelial",                     "26"="Immune",                     "27"="Immune",                      "28"="Immune",                      "29"="Other")scedata <- RenameIdents(scedata, new.cluster.ids)                        scedata$celltype <- [e-mail](scedata, group.by = "celltype")save(scedata, file = "scedata.RData")

最后将命名的文件保存，可视化细胞群！在进行下一步工作之前，之后的内容将会是对目前这些图形结果的修饰和个性化可视化！