一文了解TooManyCells

生信技能树jimmy

发布于 2020-03-27 12:40:11

1.5K0

发布于 2020-03-27 12:40:11

文章被收录于专栏：单细胞天地

分享是一种态度

1. TooManyCells 简介

TooManyCells 是由宾夕法尼亚大学的 Gregory W. Schwartz 等人开发的一种聚类算法，开发的本意是用于 scRNA-seq 数据的分析，当然也可以用于任意的以 observations 为列，以 features 为行的数据
相关文献：TooManyCells identifies and visualizes relationships of single-cell clades(https://www.nature.com/articles/s41592-020-0748-5?tdsourcetag=s_pctim_aiomsg) 发表在 Nature Methods
据我了解，该算法有 2 种包装形式，一种是 too-many-cells 软件，一种是 TooManyCellsR R 包，由于 R 包报错问题尚未解决，所以本教程只涉及 too-many-cells 软件
参考 github 文档
- https://github.com/GregorySchwartz/tooManyCellsR?tdsourcetag=s_pctim_aiomsg
- https://github.com/GregorySchwartz/too-many-cells

2. 软件安装

下面仅介绍一种安装方式，更多方式请见 github 文档

可以选择用 conda 安装 curl
用 curl 安装 stack

## 安装 stack
curl -sSL https://get.haskellstack.org/ | sh #这个 curl 可以用 conda 安装
stack setup

用 stack 安装 too-many-cells

## 安装 too-many-cells
git clone https://github.com/GregorySchwartz/too-many-cells.git
cd too-many-cells
stack install

完成后打开 nohup.out 看到最后提示将 /blabla/.local/bin 路径加入 PATH 变量，因为这是软件的安装路径

3. 文件架构

个人习惯，project 下建三个文件夹：

scpt，用于存放脚本；
input，用于存放输入信息；
out，用于存放输出信息

4. 关于常规表达矩阵转 cellranger 结果

一开始由于我的疏忽，以为这个软件只能读取 cellranger 结果中的 3 个文件这样格式的输入文件，但我手头只有普通表达矩阵，在向曾老师求助之后他很快发了推文：表达矩阵逆转为10X的标准输出3个文件
从这段非常秀的代码中我学到这么几点：
- R 中的“常规写入”

file="matrix.mtx"
  sink(file)
  cat("%%MatrixMarket matrix coordinate integer general\n")
  cat("%\n")
  sink()

tmp=do.call(rbind,lapply(1:ncol(ct),function(i){
return(data.frame(row=1:nrow(ct),
                  col=i,
                  exp=ct[,i]))
  }))

5.默认参数

但是，在我又读了一遍 github 文档之后，发现输入既可以是一个文件夹（里面放 cellranger 的 3 个文件），也可以是一个 csv 格式的普通表达矩阵…于是还是采用后者读取数据
除了表达矩阵之外，还需要一个输入文件 labels.csv，大致长下面这个样子：

如果已知细胞有不同的来源，或者数据分析之后对细胞有注释需求都可以通过这个输入文件实现

代码

too-many-cells make-tree \
        --matrix-path ../input/expr_count.csv \
        --labels-file ../input/labels.csv \
        --draw-collection "PieRing" \
        --output ../out \
        > ../out/clusters.csv

对于我的需求来说最后的输出只有两个文件有用，一个是 clusters.csv，记录聚类结果，一个是 dendrogram.svg，可视化聚类结果
可视化效果：

6. “修剪”树枝

显然，默认参数下的分支太细了，我们可以通过两种方式来调整
- 直接设置 --min-size 参数为一个值，如 100，以规定最小分支细胞数
- 设置 --smart-cutoff 参数为一个值，如 4，以规定最小分支细胞数为 4*median absolute deviation，这个我还不太明白，但是我猜测这是根据每个分支的情况决定分支大小，可能会更合理
代码

too-many-cells make-tree \
    --prior ../out \
    --labels-file ../input/labels.csv \
    --smart-cutoff 1 \ #经调试，我的数据最合适的值是1
    --min-size 1 \
    --draw-collection "PieChart" \
    --output ../out_pruned \
    > ../out_pruned/clusters_pruned.csv

可视化结果：

只有一种颜色是因为我的 labels 只标了一种，如果 labels 有多种，那么就会呈现这样的效果：

7. 取细胞子集

如果有取出一部分有一定特点的细胞进一步分析，就需要用到 clusters_pruned.csv 了
首先查看这个文件的结构

$ head clusters_pruned.csv
cell,cluster,path
AAACGGGAGGTGTTAA.1,9,9/8/7/6/5/4/3/2/1/0
AACACGTTCGGCGGTT.1,9,9/8/7/6/5/4/3/2/1/0
AACCGCGGTATATGAG.1,9,9/8/7/6/5/4/3/2/1/0
ACACCCTTCTGGTTCC.1,9,9/8/7/6/5/4/3/2/1/0
ACCTTTAAGGTGTTAA.1,9,9/8/7/6/5/4/3/2/1/0
ACGAGGACACGTTGGC.1,9,9/8/7/6/5/4/3/2/1/0
AGGGAGTCAGGCTCAC.1,9,9/8/7/6/5/4/3/2/1/0
AGGGATGAGCGATAGC.1,9,9/8/7/6/5/4/3/2/1/0
AGTGGGAAGATGTAAC.1,9,9/8/7/6/5/4/3/2/1/0

看来是通过数字的形式记录 cluster 信息的，并且记录了从小到大的每一个分支，但是这个数字和图怎么对应呢？可以把数字标出来

too-many-cells make-tree \
    --prior ../out \
    --labels-file ../input/labels.csv \
    --smart-cutoff 1 \
    --min-size 1 \
    --draw-collection "PieChart" \
    --draw-node-number \ #只需多加这个参数
    --output ../out_pruned \
    > ../out_pruned/clusters_pruned.csv

结果：

那么接下来就可以取任意分支的所有细胞的 barcodes 并由此去除该细胞子集的表达信息了

8. 其他可视化选项

由于我没有这些需求，所以这里仅仅是搬运 github 文档

8.1. 分支末端画成饼图

代码

too-many-cells make-tree \
    --prior out \
    --labels-file labels.csv \
    --smart-cutoff 4 \
    --min-size 1 \
    --draw-collection "PieChart" \
    --output out_pruned \
    > clusters_pruned.csv

可视化结果：

8.2. 调整树枝宽度

代码

too-many-cells make-tree \
    --prior out \
    --labels-file labels.csv \
    --smart-cutoff 4 \
    --min-size 1 \
    --draw-collection "PieChart" \
    --draw-max-node-size 40 \
    --output out_pruned \
    > clusters_pruned.csv

可视化结果：

8.3. 不按分支大小缩放

代码

too-many-cells make-tree \
    --prior out \
    --labels-file labels.csv \
    --smart-cutoff 4 \
    --min-size 1 \
    --draw-collection "PieChart" \
    --draw-max-node-size 40 \
    --draw-no-scale-nodes \
    --output out_pruned \
    > clusters_pruned.csv

可视化结果：

9. 体现特定基因表达量

代码

too-many-cells make-tree \
    --prior ../out \
    --matrix-path ../input/expr_count.csv \
    --labels-file ../input/labels.csv \
    --smart-cutoff 1 \
    --min-size 1 \
    --feature-column 2 \
    --draw-leaf "DrawItem (DrawThresholdContinuous [(\"gene1\", 0), (\"gene2\", 0)])" \
    --draw-colors "[\"#e41a1c\", \"#377eb8\", \"#4daf4a\", \"#eaeaea\"]" \
    --draw-scale-saturation 10 \ #如果不加这个参数，很可能表达量普遍较低以至于整张图没有颜色，至于这个值多少比较合适我还没有试过
    --output ../out_gene_expression \
    > ../out_gene_expression/clusters_pruned.csv

可视化结果：

10. 任意分支之间的差异分析

比如我想比较上图中两根蓝色（也就是 gene1 高表达，gene2 低表达）的分支，一看他们的 cluster 号码分别是 110 和 148（当然可以直接空缺一个数字，表示比较一个分支和其他所有细胞）
代码

too-many-cells differential \
    --matrix-path ../input/expr_count.csv \
    -n "([110], [148])" \
    +RTS -N24
    > ../out/differential.csv

11. diversity

比较两个细胞群的多样性（需要先跑过 make-tree 得到结果）
代码

too-many-cells diversity\
    --priors ../out1 \
    --priors ../out2 \
    -o ../out_diversity_stats

12. 伪时序分析

代码

too-many-cells paths\
    --prior ../out \
    --labels-file ../input/labels.csv \
    --bandwidth 3 \
    -o ../out_paths

结果：

个人认为还是用 slingshot 吧…

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2020-03-19，如有侵权请联系 cloudcommunity@tencent.com 删除

github

本文分享自单细胞天地微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度

一文了解TooManyCells

一文了解TooManyCells

1. TooManyCells 简介

2. 软件安装

3. 文件架构

4. 关于常规表达矩阵转 cellranger 结果

5.默认参数

6. “修剪”树枝

7. 取细胞子集

8. 其他可视化选项

8.1. 分支末端画成饼图

8.2. 调整树枝宽度

8.3. 不按分支大小缩放

9. 体现特定基因表达量

10. 任意分支之间的差异分析

11. diversity

12. 伪时序分析

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐