使用seurat3里面计算线粒体基因含量的2个方法

发布于

首先构建10x对象，这里就不赘述了，我在我在单细胞天地的2个教程：

  • 使用seurat3的merge功能整合8个10X单细胞转录组样本
  • seurat3的merge功能和cellranger的aggr整合多个10X单细胞转录组对比

展示的非常清楚啦，因为每个教程想说明的情况不一样，所以需要重新把计算线粒体基因含量讲解一下。 为了维持教程的统一性，我这里一直使用 sce 来代表构建好的seurat对象。

第一种方法

因为计算某些基因含量这个需求实在是太常见了，所以特意设置了一个函数：PercentageFeatureSet

代码语言：javascript
复制
  sce <- CreateSeuratObject(Read10X('../scRNA/filtered_feature_bc_matrix/'), "sce")
  head(sce@meta.data)  
  GetAssayData(sce,'counts')
  sce[["percent.mt"]] <- PercentageFeatureSet(sce, pattern = "^MT-")
  VlnPlot(sce, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)

这样就可以可视化我们计算好的线粒体基因含量，下图可以看出需要最起码的过滤。

一般来说，这个过滤起码得是线粒体基因含量占比25%以下的细胞才保留，当然也得考虑到生物学课题啦。

第二种方法

上面的方法是修改 sce[["percent.mt"]] ，下面我们演示 AddMetaData 函数，同样是可以增加线粒体基因含量信息到我们的seurat对象。

代码语言：javascript
复制
mt.genes <- rownames(sce)[grep("^MT-",rownames(sce))]
C<-GetAssayData(object = sce, slot = "counts")
percent.mito <- Matrix::colSums(C[mt.genes,])/Matrix::colSums(C)*100
sce <- AddMetaData(sce, percent.mito, col.name = "percent.mito")
sce[["percent.mito"]]

也可以是添加核糖体基因含量

代码语言：javascript
复制
rb.genes <- rownames(sce)[grep("^RP[SL]",rownames(sce))]
percent.ribo <- Matrix::colSums(C[rb.genes,])/Matrix::colSums(C)*100
sce <- AddMetaData(sce, percent.ribo, col.name = "percent.ribo")

如下所示，可以看到部分细胞的核糖体基因含量也过高，至于过滤的指标，大家需要看文章啦！

也可以是免疫球蛋白相关基因含量等等，取决于大家的生物学课题啦。

#merge#教程