admin管理员组

文章数量:1037775

Github代码文献复现之卵巢和子宫内膜癌(六)

我们的新专辑《Github带有全套代码分享的文献复现2025》开启后受到大家的热烈喜爱，里面学习的文章为：《A multi-omic single-cell landscape of human gynecologic malignancies》，前面的学习笔记如下：

  • Github带有全套代码分享的文献复现2025(一)|| 数据背景&MAD过滤
  • Github代码文献复现之卵巢和子宫内膜癌(二)|| 作者不进行 UMI count 回归的原因
  • Github代码文献复现之卵巢和子宫内膜癌(三)|| 双细胞过滤之 DoubletFinder
  • Github代码文献复现之卵巢和子宫内膜癌(四)|| DoubletDecon 过滤到放弃！
  • Github代码文献复现之卵巢和子宫内膜癌(五)|| 数据合并, 标准化、特征选择以及聚类

文献的注释结果

作者文献中的单细胞部分的细胞注释结果如下：总共有75523个细胞。

malignant clusters 鉴定策略：

  • 使用的 the U.S. Food and Drug Administration (FDA)-approved biomarkers MUC16/CA125 and WFDC2/HE4 to identify EC and OC cancer clusters
  • Expression of KIT/CD117 was used to identify GIST cancer clusters
  • 结合inferCNV：nferred copy number variation (CNV) was used to help identify OC and GIST but not EC, as the disease rarely exhibits CNV

文章的附图：

第一次尝试注释

作者的注释策略也比较复杂，我们先来看看使用常规的细胞已知marker尝试进行第一次注释。图中的细胞类型名称有：

  • Ovarian cancer：WFDC2/HE4
  • GIST：KIT/CD117
  • Endometrial cancer：MUC16/CA125
  • NK/T cell：CD3D,CD3E,CD3G,CD2,KLRD1,KLRF1,NKG7
  • Mast cell: TPSAB1,TPSB2
  • Macrophage: CD163,CD68
  • B cell: CD19,MS4A1,CD79A,IGHG1
  • Smooth muscle: ACTA2,MYH11
  • Endothelial: RAMP2, PECAM1
  • Fibroblast: DCN, LUM,COL1A2
  • Cell Cycle: TOP2A, MKI67
  • Immu: PTPRC

先来看看没有进行harmony的注释结果。本次尝试使用res0.5的结果进行绘图，画一张markers气泡图：

代码语言：javascript代码运行次数：0运行复制
rm(list=ls())
library(Seurat)
library(ggplot2)
library(SCP) # .html
# /vignettes/plotting
library(Scillus) # 
# /
library(scCustomize)
library(qs)

###### step4:  看标记基因库 ######
# 原则上分辨率是需要自己肉眼判断，取决于个人经验
sce.all.int <- qread("2-harmony/sce.all_int-no.qs")
sce.all.int
table(Idents(sce.all.int))
table(sce.all.int$seurat_clusters)
table(sce.all.int$RNA_snn_res.0.1) 
table(sce.all.int$RNA_snn_res.0.3) 
table(sce.all.int$RNA_snn_res.0.5) 
table(sce.all.int$RNA_snn_res.0.8) 


getwd()
dir.create('3-check-by-0.5')
select_idet <- "RNA_snn_res.0.5"
sce.all.int$RNA_snn_res.0.5
#sce.all.int$RNA_snn_res.0.3 <- factor(sce.all.int$RNA_snn_res.0.3,levels = 0:14)
sce.all.int <- SetIdent(sce.all.int, value = select_idet)
table(sce.all.int@active.ident) 
head(sce.all.int@meta.data)

# markers 
cell_types <- list(
"Ovarian cancer" = c("WFDC2", "HE4"),
"GIST" = c("KIT", "CD117"),
"Endometrial cancer" = c("MUC16", "CA125"),
"NK/T cell" = c("CD3D", "CD3E", "CD3G", "CD2", "KLRD1", "KLRF1", "NKG7"),
"Mast cell" = c("TPSAB1", "TPSB2"),
"Macrophage" = c("CD163", "CD68"),
"B cell" = c("CD19", "MS4A1", "CD79A", "IGHG1"),
"Smooth muscle" = c("ACTA2", "MYH11"),
"Endothelial" = c("RAMP2", "PECAM1"),
"Fibroblast" = c("DCN", "LUM", "COL1A2"),
"Cell Cycle" = c("TOP2A", "MKI67"),
"Immu" = c("PTPRC")
)
p <- DotPlot(sce.all.int, features = cell_types, assay='RNA',group.by = select_idet,cols = c("grey", "red") ) + 
  ggtitle(select_idet) + 
  xlab("") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # 更改x轴标签角度
p[["theme"]][["strip.text"]]$angle <- 75
p
ggsave(filename = "3-check-by-0.5/Markers_dotplot-use.pdf", plot=p, width=13, height = 8,bg="white")

结合没有进行harmony的uamp图：

代码语言：javascript代码运行次数：0运行复制
p <- DimPlot(sce.all.int, reduction = "umap", group.by = select_idet, label = T) + 
  ggtitle(select_idet)
p
ggsave(plot=p, filename="3-check-by-0.5/Dimplot_resolution_0.5.pdf",width = 6, height = 6)


# 美化版
p <- CellDimPlot(sce.all.int, group.by = select_idet, reduction = "UMAP", label = T,label.size = 4, label_insitu = T,
                 label_point_size = 1, label_point_color =NA ,label_segment_color = NA)
p
ggsave(plot=p, filename="3-check-by-0.5/Dimplot_resolution_0.5-1.pdf",width = 7, height = 7)

不同样本上色的umap：

代码语言：javascript代码运行次数：0运行复制
p <- DimPlot(sce.all.filt, reduction = "umap",label=T,group.by = "orig.ident") 
p
ggsave(filename='2-harmony/umap-by-orig.ident-before-harmony.png',plot = p, width = 6,height = 5.5)

尝试第一次注释：

cluster2：.cgi?acc=GSM5276942，为单独一个样本，GIST类型，表达 KIT，注释为 GIST

cluster7：.cgi?acc=GSM5276939，为单独一个样本，Endometrioid类型，表达上皮marker，以及WFDC2，注释为 Ovarian cancer

其余问号这里现在还没有确定，我需要再找一些信息辅助进来，cluster25感觉更像是双细胞，还有mast那一群很奇怪，它跟NK/T挤在了一起没有分开，而Fibroblast 则是分散成了很多群。

0

NK/T cell

10

Ovarian cancer

20

Fibroblast

1

Macrophage

11

？

21

Smooth muscle

2

GIST

12

？

22

mast?

3

？

13

Fibroblast

23

B cell

4

Endothelial

14

Fibroblast

24

Cycling cell

5

？

15

？

25

Macrophage？双细胞？

6

Fibroblast

16

？

7

Ovarian cancer

17

Fibroblast

8

Fibroblast

18

？

9

Ovarian cancer

19

Endothelial

（未完待续~）

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：2025-03-15，如有侵权请联系 cloudcommunity@tencent 删除数据学习笔记githubcellint

Github代码文献复现之卵巢和子宫内膜癌(六)

我们的新专辑《Github带有全套代码分享的文献复现2025》开启后受到大家的热烈喜爱，里面学习的文章为：《A multi-omic single-cell landscape of human gynecologic malignancies》，前面的学习笔记如下：

  • Github带有全套代码分享的文献复现2025(一)|| 数据背景&MAD过滤
  • Github代码文献复现之卵巢和子宫内膜癌(二)|| 作者不进行 UMI count 回归的原因
  • Github代码文献复现之卵巢和子宫内膜癌(三)|| 双细胞过滤之 DoubletFinder
  • Github代码文献复现之卵巢和子宫内膜癌(四)|| DoubletDecon 过滤到放弃！
  • Github代码文献复现之卵巢和子宫内膜癌(五)|| 数据合并, 标准化、特征选择以及聚类

文献的注释结果

作者文献中的单细胞部分的细胞注释结果如下：总共有75523个细胞。

malignant clusters 鉴定策略：

  • 使用的 the U.S. Food and Drug Administration (FDA)-approved biomarkers MUC16/CA125 and WFDC2/HE4 to identify EC and OC cancer clusters
  • Expression of KIT/CD117 was used to identify GIST cancer clusters
  • 结合inferCNV：nferred copy number variation (CNV) was used to help identify OC and GIST but not EC, as the disease rarely exhibits CNV

文章的附图：

第一次尝试注释

作者的注释策略也比较复杂，我们先来看看使用常规的细胞已知marker尝试进行第一次注释。图中的细胞类型名称有：

  • Ovarian cancer：WFDC2/HE4
  • GIST：KIT/CD117
  • Endometrial cancer：MUC16/CA125
  • NK/T cell：CD3D,CD3E,CD3G,CD2,KLRD1,KLRF1,NKG7
  • Mast cell: TPSAB1,TPSB2
  • Macrophage: CD163,CD68
  • B cell: CD19,MS4A1,CD79A,IGHG1
  • Smooth muscle: ACTA2,MYH11
  • Endothelial: RAMP2, PECAM1
  • Fibroblast: DCN, LUM,COL1A2
  • Cell Cycle: TOP2A, MKI67
  • Immu: PTPRC

先来看看没有进行harmony的注释结果。本次尝试使用res0.5的结果进行绘图，画一张markers气泡图：

代码语言：javascript代码运行次数：0运行复制
rm(list=ls())
library(Seurat)
library(ggplot2)
library(SCP) # .html
# /vignettes/plotting
library(Scillus) # 
# /
library(scCustomize)
library(qs)

###### step4:  看标记基因库 ######
# 原则上分辨率是需要自己肉眼判断，取决于个人经验
sce.all.int <- qread("2-harmony/sce.all_int-no.qs")
sce.all.int
table(Idents(sce.all.int))
table(sce.all.int$seurat_clusters)
table(sce.all.int$RNA_snn_res.0.1) 
table(sce.all.int$RNA_snn_res.0.3) 
table(sce.all.int$RNA_snn_res.0.5) 
table(sce.all.int$RNA_snn_res.0.8) 


getwd()
dir.create('3-check-by-0.5')
select_idet <- "RNA_snn_res.0.5"
sce.all.int$RNA_snn_res.0.5
#sce.all.int$RNA_snn_res.0.3 <- factor(sce.all.int$RNA_snn_res.0.3,levels = 0:14)
sce.all.int <- SetIdent(sce.all.int, value = select_idet)
table(sce.all.int@active.ident) 
head(sce.all.int@meta.data)

# markers 
cell_types <- list(
"Ovarian cancer" = c("WFDC2", "HE4"),
"GIST" = c("KIT", "CD117"),
"Endometrial cancer" = c("MUC16", "CA125"),
"NK/T cell" = c("CD3D", "CD3E", "CD3G", "CD2", "KLRD1", "KLRF1", "NKG7"),
"Mast cell" = c("TPSAB1", "TPSB2"),
"Macrophage" = c("CD163", "CD68"),
"B cell" = c("CD19", "MS4A1", "CD79A", "IGHG1"),
"Smooth muscle" = c("ACTA2", "MYH11"),
"Endothelial" = c("RAMP2", "PECAM1"),
"Fibroblast" = c("DCN", "LUM", "COL1A2"),
"Cell Cycle" = c("TOP2A", "MKI67"),
"Immu" = c("PTPRC")
)
p <- DotPlot(sce.all.int, features = cell_types, assay='RNA',group.by = select_idet,cols = c("grey", "red") ) + 
  ggtitle(select_idet) + 
  xlab("") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # 更改x轴标签角度
p[["theme"]][["strip.text"]]$angle <- 75
p
ggsave(filename = "3-check-by-0.5/Markers_dotplot-use.pdf", plot=p, width=13, height = 8,bg="white")

结合没有进行harmony的uamp图：

代码语言：javascript代码运行次数：0运行复制
p <- DimPlot(sce.all.int, reduction = "umap", group.by = select_idet, label = T) + 
  ggtitle(select_idet)
p
ggsave(plot=p, filename="3-check-by-0.5/Dimplot_resolution_0.5.pdf",width = 6, height = 6)


# 美化版
p <- CellDimPlot(sce.all.int, group.by = select_idet, reduction = "UMAP", label = T,label.size = 4, label_insitu = T,
                 label_point_size = 1, label_point_color =NA ,label_segment_color = NA)
p
ggsave(plot=p, filename="3-check-by-0.5/Dimplot_resolution_0.5-1.pdf",width = 7, height = 7)

不同样本上色的umap：

代码语言：javascript代码运行次数：0运行复制
p <- DimPlot(sce.all.filt, reduction = "umap",label=T,group.by = "orig.ident") 
p
ggsave(filename='2-harmony/umap-by-orig.ident-before-harmony.png',plot = p, width = 6,height = 5.5)

尝试第一次注释：

cluster2：.cgi?acc=GSM5276942，为单独一个样本，GIST类型，表达 KIT，注释为 GIST

cluster7：.cgi?acc=GSM5276939，为单独一个样本，Endometrioid类型，表达上皮marker，以及WFDC2，注释为 Ovarian cancer

其余问号这里现在还没有确定，我需要再找一些信息辅助进来，cluster25感觉更像是双细胞，还有mast那一群很奇怪，它跟NK/T挤在了一起没有分开，而Fibroblast 则是分散成了很多群。

0

NK/T cell

10

Ovarian cancer

20

Fibroblast

1

Macrophage

11

？

21

Smooth muscle

2

GIST

12

？

22

mast?

3

？

13

Fibroblast

23

B cell

4

Endothelial

14

Fibroblast

24

Cycling cell

5

？

15

？

25

Macrophage？双细胞？

6

Fibroblast

16

？

7

Ovarian cancer

17

Fibroblast

8

Fibroblast

18

？

9

Ovarian cancer

19

Endothelial

（未完待续~）

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：2025-03-15，如有侵权请联系 cloudcommunity@tencent 删除数据学习笔记githubcellint

本文标签： Github代码文献复现之卵巢和子宫内膜癌(六)

版权声明：本文标题：Github代码文献复现之卵巢和子宫内膜癌(六) 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://it.en369.cn/jiaocheng/1748248222a2275049.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。