R中单细胞RNA-seq分析教程 (13)

基于 Seurat 的标签转移方法

目前最主流的标签转移方法，也就是 Seurat 中实现的基于锚点的标签转移。它的原理不算太复杂。首先，它会把参考数据集中用过的降维方式（比如 PCA）同样应用到查询数据上。然后，它会尝试找出两个数据集之间的“锚点”。所谓锚点，就是一对细胞——一个来自参考数据，一个来自查询数据——它们在变换后的数据上计算距离时互为最近邻。这些锚点还会再经过筛选，要求两细胞在原始表达空间上有一定相似性。接着，会生成一个权重矩阵，用来描述每个查询细胞和每个锚点之间的关系。最后，这个权重矩阵会被用来根据权重，把锚点参考细胞的标签或数值传递给查询细胞。

这些步骤都已经被整合到 Seurat 的两个函数中：FindTransferAnchors 和 TransferData。下面是我们针对参考和查询大脑类器官数据集提供的示例代码。

anchors <- FindTransferAnchors(reference = seurat_ref, query = seurat_DS1, dims = 1:30, npcs = 30)
predictions <- TransferData(anchorset = anchors, refdata = seurat_ref$celltype, dims = 1:30)
seurat_DS1$celltype_transfer <- predictions$predicted.id

plot1 <- UMAPPlot(seurat_DS1, label=T)
plot2 <- UMAPPlot(seurat_DS1, group.by="celltype_transfer", label=T)
plot1 | plot2

TransferData 函数的输出不仅有预测的标签，还提供了更多细节。对于需要转移的分类信息（比如这里的细胞类型标签），输出数据框中还包括每个细胞针对不同参考细胞类型的预测得分，这些得分可以理解为每个查询细胞属于某种细胞类型的概率估计。这样，我们就可以把这些得分汇总到查询细胞的群集上，进行对比分析。

pred_scores_sum2cl <- t(sapply(levels(seurat_DS1@active.ident), function(cl)
  colMeans(predictions[which(seurat_DS1@active.ident == cl),-c(1,ncol(predictions))]) ))

heatmap.2(pred_scores_sum2cl, scale="none", trace="none", key=F, keysize=0.5, margins=c(15,17),
          labRow = colnames(avg_expr_ds1), labCol = unique(seurat_ref$celltype), cexRow=0.8, cexCol=0.8,
          col=colorRampPalette(rev(c("#b2182b","#d6604d","#f4a582","#fddbc7","#f7f7f7","#d1e5f0","#92c5de","#4393c3","#2166ac")))(30))

其他方法

上面只介绍了两种（或者三种）方法，但其实还有更多选择。比如，一些数据整合方法，像之前提到的 CSS 和 Harmony，就能支持将查询数据投影到参考数据上（CSS 本身就支持这个功能，而 Harmony 整合过的参考数据可以通过 Symphony 来实现）。不过它们的局限在于，参考数据必须先用这些方法处理过。另外，还有基于深度学习的方法，可以用来构建参考数据集的模型，然后应用到其他数据集上进行查询。比如 Theis 实验室开发的 Sfaira就是一例。但显然，这也要求参考数据得在这个框架下处理过。所有这些方法在特定情况下可能会比我们介绍的几种表现更好，但我们提到的这两种/三种方法对参考数据的分析要求没那么多限制，所以通常是我们会先尝试的。

不过，有一点得时刻记在心里：这些分析其实都默认参考数据集是完备的，也就是说，它包含了查询数据里所有的细胞类型或状态。但实际情况往往并非如此。所以，我们不能光靠跟参考数据的对比就下结论，还得再看看标记基因的表达情况，或者用一些定量的指标来评估投影出来的细胞类型或状态，跟查询数据里的细胞群体到底有多相似。

Reference

[1] Source: https://github.com/quadbio/scRNAseq_analysis_vignette