为什么要以数据库的思维来理解Seurat单细胞数据——科研必备单细胞组学知识

请关注公众号【叨客共享】在使用网站的过程中有疑问，请来公众号进行反馈哦

在咱们涉足单细胞数据剖析不久之后就会发现，咱们在和一套新的理念打交道。在这套理念中，目标是常见的，数据是多维的，往往是一张核心表及其隶属。咱们对一张表是了解的，Excel极大地遍及了这种了解，但是怎么办理表的隶属？在这套理念中，每个cell都是不同的。

注：这儿的cell是一语双关，既指表中的单元格，又指细胞。细胞便是单元格。

单细胞数据格局

为了记录每个细胞的信息，人们开展了相应的数据结构如seurat的S4类，monocle的CDS，SingleCellExperiment的sce,scanpy的anndata等，可见单细胞的故事远大于一张二维的表达谱。

seurat的S4类

Seurat 是咱们了解的单细胞数据剖析工具了，或许现已用seurat剖析数据了，或许现已宣布了文章，你确你现已了解seurat的逻辑了吗：以存储记录进程。

如Seurat会记录所执行的核算及其信息，有了seurat目标其实就知道人们在什么时候对数据做了哪些操作以及参数是什么。

pbmc_small@commands
$NormalizeData.RNA
Command: NormalizeData(object = pbmc_small)
Time: 2018-08-28 04:32:17
assay : RNA 
normalization.method : LogNormalize 
scale.factor : 10000 
verbose : TRUE 

$RunPCA.RNA
Command: RunPCA(object = pbmc_small, features = VariableFeatures(object = pbmc_small),     verbose = FALSE)
Time: 2018-08-28 04:34:56
assay : RNA 
features : PPBP IGLL5 VDAC3 CD1C AKR1C3 PF4 MYL9 GNLY TREML1 CA2 SDPR PGRMC1 S100A8 TUBB1 HLA-DQA1 PARVB RUFY1 HLA-DPB1 RP11-290F20.3 S100A9 
compute.dims : 20 
rev.pca : FALSE 
weight.by.var : TRUE 
verbose : FALSE 
print.dims : 1 2 3 4 5 
features.print : 30 
reduction.name : pca 
reduction.key : PC 
seed.use : 42 

$BuildSNN.RNA.pca
Command: BuildSNN(pbmc_small, features = VariableFeatures(object = pbmc_small))
Time: 2018-08-28 04:43:31
assay : RNA 
features : PPBP IGLL5 VDAC3 CD1C AKR1C3 PF4 MYL9 GNLY TREML1 CA2 SDPR PGRMC1 S100A8 TUBB1 HLA-DQA1 PARVB RUFY1 HLA-DPB1 RP11-290F20.3 S100A9 
reduction : pca 
dims : 1 2 3 4 5 6 7 8 9 10 
k.param : 30 
prune.SNN : 0.06666667 
nn.eps : 0 
verbose : TRUE 
force.recalc : FALSE 
do.plot : FALSE 
graph.name : RNA_snn 

......

SingleCellExperiment

SingleCellExperiment 目标是较老的SummarizedExperiment目标的扩展。这是一个S4类开发用于Bioconductor 包，其首要部分是一组中心矩阵“assays”，以及供给关于行和列的额定信息的表。还有一个元数据槽，它是一个包括与实验相关的任何其他信息的列表。

A : 最小的sce目标是经过供给数据来构建的，比方每个细胞的计数矩阵(蓝色方框)，由特征组成，比方基因(行)和细胞(列)。还能够供给描绘单元格的元数据，其中单元格表明为行，单元格的已知特征为列(橙色框)。类似地，也能够增加描绘特性的元数据(绿色框)。这些不同类型的数据都存储在sce目标的不同部分中，这些部分称为槽(slots)。每个槽中的数据能够经过以各自的槽(箭头)命名的拜访器以编程方法拜访，比方rowRanges指的是特征元数据，colData指的是样本元数据，assay指的是数据。
B ：运用sce (singlecellexper, sce)兼容的工作流进行剖析，将数据附加到初始sce目标。例如，核算每个单元格的库规范化因子将创立一个新槽(粉色框)。这些能够用来推导一个归一化计数矩阵，它与初始计数数据(深蓝色方框)一同存储在同一个检测槽中。因此，剖析槽能够存储恣意数量的数据转化。单元质量衡量(描绘单元特征)被附加到样例元数据槽colData中。最终，以与剖析槽类似的方法，能够存储恣意数量的维数减缩的数据表明方式，驻留在它们自己的槽中，reducedDim。
C ： sce目标在典型剖析的整个进程中不断开展，存储来自初始数据的各种衡量和表明。有关singlecellexper类的更多信息，请参见singlecellexper(https://bioconductor.org/packages/singlecellexper)。

anndata

单细胞转录组的核心便是一个cell X gene的二维表，但是分群后要存储cell的分群成果，特征挑选是要记录gene的信息，降维后要存储降维后的成果。所以，这张表.X的目标cell相关的信息记录在.obs中，属性gene的信息记录在.var中，其他的信息在.uns中。

记得初中时学习立体几何老师要求咱们要有空间想象力，把思想提高到一个新的维度。在单细胞数据剖析的过中，咱们也要挑起咱们的想象力，比方在RNA速率的剖析中,anndata存储的内容是这样的：

adata

AnnData object with n_obs × n_vars = 7292 × 1999 
    obs: \'initial_size_unspliced\', \'initial_size_spliced\', \'initial_size\', \'n_counts\', \'velocity_self_transition\', \'leiden\', \'velocity_clusters\'
    var: \'Accession\', \'Chromosome\', \'End\', \'Start\', \'Strand\', \'means\', \'dispersions\', \'dispersions_norm\', \'velocity_gamma\', \'velocity_r2\', \'velocity_genes\', \'velocity_score\', \'fit_alpha\', \'fit_beta\', \'fit_gamma\', \'fit_t_\', \'fit_scaling\', \'fit_std_u\', \'fit_std_s\', \'fit_likelihood\', \'fit_u0\', \'fit_s0\', \'fit_pval_steady\', \'fit_steady_u\', \'fit_steady_s\', \'fit_alignment_scaling\', \'fit_r2\'
    uns: \'pca\', \'neighbors\', \'connectivities_key\', \'distances_key\', \'velocity_settings\', \'velocity_graph\', \'velocity_graph_neg\', \'leiden\', \'umap\', \'leiden_colors\', \'rank_velocity_genes\', \'recover_dynamics\'
    obsm: \'X_pca\', \'X_umap\', \'velocity_umap\'
    varm: \'PCs\', \'loss\'
    layers: \'matrix\', \'ambiguous\', \'spliced\', \'unspliced\', \'Ms\', \'Mu\', \'velocity\', \'variance_velocity\', \'fit_t\', \'fit_tau\', \'fit_tau_\', \'velocity_u\'
    obsp: \'distances\', \'connectivities\'

咱们不仅要知道每一部分存储的内容，还要知道各部分之间的关系。