# #——包括= FALSE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - knitr:: opts_chunk美元集(崩溃= TRUE,评论= " # > "。宽度=“100%”,fig.width = 7, fig.height = 5, dpi = 300, fig.path =“数据/ BayesSpace -”,消息= FALSE,警告= FALSE,错误= FALSE) # # - - - - -设置- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -库(SingleCellExperiment)库(ggplot2)库(BayesSpace) # #——readVisium eval = FALSE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - # sce < - readVisium(“路径/ / spaceranger /细节/”)# # - - - - -下载- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -黑素瘤< - getRDS(数据集=“2018 _thrane_melanoma”,示例=“ST_mel1_rep2”) # #——手册。,eval = FALSE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - #库(矩阵)构成了rowData < - read.csv # #(“路径构成了rowData。/ /csv”, stringsAsFactors = FALSE) # colData < read.csv(“路径/ / colData。csv”stringsAsFactors = FALSE, row.names = 1) #计数< read.csv(“路径/ / counts.csv。广州”,# row.names = 1, check.names = F, stringsAsFactors = FALSE) # # sce < - SingleCellExperiment(化验=列表(数量=(计数,“dgCMatrix”)),构成了rowData,构成了rowData = # # colData = colData) # # - - - - -预处理- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - set.seed(102)黑色素瘤< - spatialPreprocess(黑色素瘤,平台=“圣”,n。电脑= 7,n。HVGs = 2000, log.normalize = FALSE) # #——tuning_q - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -黑素瘤< - qTune(黑色素瘤,q = seq(10),平台=“圣”,d = 7) qPlot集群(黑色素瘤)# # - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - set.seed(149)黑色素瘤< - spatialCluster(黑色素瘤,q = 4,平台=“圣”,d = 7, init。方法= " mclust”=“t”模型,γ= 2,nrep = 1000,燃烧。在= 100,save.chain = TRUE) # #——集群。结果- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -头(colData(黑色素瘤))# #——集群。情节,fig.width = 7, fig.height = 5 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - clusterPlot(黑色素瘤)# #——cluster.plot。定制,fig.width = 7, fig.height = 5 - - - - - - - - - - - - - - - - - - - - - - - - clusterPlot(黑色素瘤,面板= c(“紫色”、“红”“蓝”、“黄色”),颜色=“黑色”)+ theme_bw () + xlab(“列”)+ ylab(“行”)+实验室(=“BayesSpace \ ncluster”,标题=“ST_mel1_rep2空间聚类”)# #——增强,eval = TRUE - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -黑素瘤。增强< spatialEnhance(黑色素瘤,q = 4,平台=“圣”,d = 7,模型=“t”,γ= 2,jitter_prior = 0.3, jitter_scale = 3.5, nrep = 1000,燃烧。在= 100,save.chain = TRUE) # #——增强。结果- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -头(colData (melanoma.enhanced)) # #——增强。情节,eval = TRUE, fig.width = 7, fig.height = 5 - - - - - - - - - - - - - - - - - - - - - - - - clusterPlot (melanoma.enhanced) # #——enhanceFeatures - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -标记< - c (“PMEL”、“张”,“CD19”、“COL1A1”)黑色素瘤。增强的< - enhanceFeatures(黑色素瘤。enhanced, melanoma, feature_names=markers, nrounds=0) ## ----enhanced.logcount-------------------------------------------------------- logcounts(melanoma.enhanced)[markers, 1:5] ## ----enhanced.rmse------------------------------------------------------------ rowData(melanoma.enhanced)[markers, ] ## ----enhanced.featurePlot----------------------------------------------------- featurePlot(melanoma.enhanced, "PMEL") ## ----enhanced.markers, fig.width=12, fig.height=8----------------------------- enhanced.plots <- purrr::map(markers, function(x) featurePlot(melanoma.enhanced, x)) patchwork::wrap_plots(enhanced.plots, ncol=2) ## ----compare.resolution, fig.width=16, fig.height=8--------------------------- spot.plots <- purrr::map(markers, function(x) featurePlot(melanoma, x)) patchwork::wrap_plots(c(enhanced.plots, spot.plots), ncol=4) ## ----mcmcChain, eval=TRUE----------------------------------------------------- chain <- mcmcChain(melanoma) chain[1:5, 1:5]