在一个空间中使用SpatialDecon转录组数据集

安装

如果(!requireNamespace(“BiocManager”,静静地=真正的))install.packages(“BiocManager”)::安装(“SpatialDecon”)

概述

这个小插图展示了使用SpatialDecon包估计细胞丰度在空间基因表达研究。

修的工作流证明这里侧重于分析对象,通常用来存储Visium和空间转录组数据。看到我们的其他小插曲GeoMx数据的例子。

我们将分析空间转录组数据集从HER2 +乳腺肿瘤,寻找大量的不同的免疫细胞类型。

数据准备

首先,我们加载包:

图书馆(SpatialDecon)图书馆(SeuratObject)

让我们加载示例圣修对象并检查它:

#下载数据:gzcon(url(“https://github.com/almaan/her2st/raw/master/data/ST-cnts/G1.tsv.gz”))readline(反对)read.table(textConnection(三),9月=\ t,头=真正的,row.names =1)#解析数据t(as.matrix(临时))扫描(生,2,colSums(生),“/”)*的意思是(colSums(原始)as.numeric(字符串的子串(rownames(临时)1,unlist(gregexpr(“x”,rownames(临时)))- - - - - -1))- - - - - -as.numeric(字符串的子串(rownames(临时)unlist(gregexpr(“x”,rownames(临时)))+1,nchar(rownames(临时))))#放到一个修对象:CreateSeuratObject(数=生,分析=“空间”)@meta.data美元x =x@meta.data美元y =y

细胞轮廓矩阵

“细胞轮廓矩阵”是一个预定义的矩阵指定预期的表达谱中每个细胞类型的实验。SpatialDecon库提供了一个这样的矩阵预装,“SafeTME”矩阵,用于评估免疫和间质细胞肿瘤微环境。(这个矩阵是为了避免一般基因表达的癌细胞;有关详细信息,请参阅SpatialDecon手稿)。

让我们看一看一眼safeTME矩阵:

数据(“safeTME”)数据(“safeTME.matches”)signif(safeTME [seq_len(3),seq_len(3)),2)# >巨噬细胞肥大B.naive# > A2M 0.8500 0.044 0.0043种代号为ABCB1的# > 0.0021 0.023 0.0250# > ABCB4 0.0044 0.000 0.2200的热图(扫描(safeTME1,应用(safeTME1max),“/”),labRow =NA,利润=c(10,5))
safeTME细胞轮廓矩阵”>
    <p class=safeTME细胞轮廓矩阵

对于其他组织类型的研究,我们提供了一个图书馆的细胞轮廓矩阵,可在Github和下载“download_profile_matrix”功能。

矩阵的完整列表,请参阅CellProfileLibrary GitHub页面

下面我们下载一个矩阵的细胞资料来自scRNA-seq鼠标脾脏。

download_profile_matrix(物种=“鼠标”,age_group =“成人”,matrixname =“Spleen_MCA”)昏暗的(mousespleen)# > [1]11125 91:4,1:4]# > Dendritic.cell.S100a4。高Dendritic.cell.Siglech.high# > 0610009 b22rik 0.02985075 - 0.0000000# > 0610010 f05rik 0.00000000 - 0.0000000# > 0610010 k14rik 0.02985075 - 0.0000000# > 0610012 g03rik 0.08955224 - 0.1111111# >粒细胞巨噬细胞# > 0610009 b22rik 0.00000000 - 0.00000000# > 0610010 f05rik 0.00000000 - 0.00000000# > 0610010 k14rik 0.00000000 - 0.03846154# > 0610012 g03rik 0.08571429 - 0.03846154头(cellGroups)# >美元树突# > Dendritic.cell.S100a4 [1]”。高Dendritic.cell.Siglech.high”# ># >美元粒细胞# >[1]“粒细胞”# ># >美元巨噬细胞# >[1]“巨噬细胞”# ># >美元“边缘区B”# > [1]“Marginal.zone.B.cell”# ># >美元单核细胞# >[1]“单核”# ># > NK美元# > [1]“NK.cell”# >概要矩阵组织应变时效年龄组的物种33 # > MCA脾成年小鼠C57BL / 6 6 - 10周# > URL33 # > https://pubmed.ncbi.nlm.nih.gov/29474909/# >引用33 # >汉,x et al .映射Microwell-Seq老鼠细胞图谱。Cell172, 1091 - 1107。e17 (2018)。的热图(扫描(mousespleen1,应用(mousespleen1max),“/”),labRow =NA,利润=c(10,5),cexCol =0.7)
小鼠脾脏概要矩阵”>
    <p class=小鼠脾脏概要矩阵

为研究提供细胞轮廓矩阵不充分或者如果想要特定的单细胞的数据集,我们可以定制概要文件矩阵使用函数create_profile_matrix ()。

这个迷你单细胞数据集从Kinchen的一小部分数据,j . et al .结构重塑人类结肠间质炎症性肠病。单元175,372 - 386。e17 (2018)。

数据(“mini_singleCell_dataset”)美元mtx@昏暗的#基因x细胞250 # > [1]1814as.matrix(mini_singleCell_dataset美元mtx) (1:4,1:4]# > ACTGCTCGTAAGTTCC。S90 TGAAAGAAGGCGCTCT。S66 AGCTTGAGTTTGGGCC.S66# > PLEKHN1 0 0 0# > PERM1 0 0 0# > C1orf159 0 0 0# > TTLL10 0 0 0# > ACGGCCATCGTCTGAA.S66# > PLEKHN1 0# > PERM1 0# > C1orf159 0# > TTLL10 0头(mini_singleCell_dataset美元annots)# > CellID LabeledCellType# 2660 ACTGCTCGTAAGTTCC >。S90基质细胞# 2162 TGAAAGAAGGCGCTCT >。S66神经胶质细胞# 368 AGCTTGAGTTTGGGCC >。S66内皮细胞# 238 ACGGCCATCGTCTGAA >。S66基质细胞# 4158 TCTCTAACACTGTTAG >。S90基质细胞# 2611 ACGATGTGTGTGGTTT >。S90基质细胞表(mini_singleCell_dataset美元annots美元LabeledCellType)# ># >内皮细胞神经胶质细胞14 # > 12# >周皮细胞的细胞浆细胞3 # > 30# >结肠平滑肌细胞的间质细胞# > 1 190

周皮细胞细胞结肠平滑肌细胞将从这个矩阵由于低细胞计数下降。一般表达式返回一种类型的所有细胞细胞的一种类型,更好的反映了真实的基因表达。这些平均的信心可以改变使用minCellNum过滤器。

create_profile_matrix(mtx =mini_singleCell_dataset美元mtx,中#细胞x基因数矩阵cellAnnots =mini_singleCell_dataset美元annots,注释#细胞与细胞类型和单元名称列cellTypeCol =“LabeledCellType”,#包含细胞类型的列cellNameCol =“CellID”,#列包含细胞ID /名称matrixName =“custom_mini_colon”,#的名字最终姿态矩阵outDir =,#路径所需的输出目录,设置为NULL如果矩阵不应该写正常化=,#数据应该正常化吗?minCellNum =5,#最小数量的一种类型的细胞需要创建概要,排斥minGenes =10,#最小数量的基因表达的一个细胞,排斥scalingFactor =5,#所有的值应该为最后的矩阵乘以discardCellTypes =真正的)#细胞类型应过滤等类型的有丝分裂,紧身上衣,低质量的,未知的,等等。# >[1]“创建阿特拉斯”# >[1]“1/6:基质细胞”# >[1]“2/6:神经胶质细胞”# >[1]“3/6:内皮细胞”# >[1]“4/6:浆细胞”# >[1]“5/6:周皮细胞细胞”# >警告create_profile_matrix (mtx = mini_singleCell_dataset mtx美元,cellAnnots = mini_singleCell_dataset annots美元,:# >周皮细胞细胞从矩阵,因为它没有足够的可行的细胞根据目前过滤阈值。# >如果这个细胞类型考虑改变minCellNum或minGenes是必要的# >[1]”6/6:结肠平滑肌细胞”# >警告create_profile_matrix (mtx = mini_singleCell_dataset mtx美元,cellAnnots = mini_singleCell_dataset annots美元,:# >的结肠平滑肌细胞从矩阵,因为它没有足够的可行的细胞根据目前过滤阈值。# >如果这个细胞类型考虑改变minCellNum或minGenes是必要的头(custom_mtx)# >基质细胞胶质细胞内皮细胞浆细胞0.0000000 - 0.05787067 # > PLEKHN1 0.0000000 00.0000000 - 0.00000000 # > PERM1 0.1167131 00.0000000 - 0.07922668 # > C1orf159 0.0000000 00.1853931 - 0.00000000 # > TTLL10 0.0000000 00.0000000 - 0.07039008 # > TAS1R3 0.0000000 00.0000000 - 0.07922668 # > ATAD3C 0.1219237 0的热图(扫描(custom_mtx1,应用(custom_mtx1max),“/”),labRow =NA,利润=c(10,5),cexCol =0.7)
定制概要文件矩阵”>
    <p class=定制概要文件矩阵

可以创建自定义矩阵从单细胞数据类只要数矩阵和单元注释可以传递到函数。这是一个使用修对象创建一个矩阵的例子。

图书馆(SeuratObject)数据(“mini_singleCell_dataset”)rownames(mini_singleCell_dataset美元annots) < -mini_singleCell_dataset美元annots美元CellIDCreateSeuratObject(数=mini_singleCell_dataset美元mtx,中meta.data=mini_singleCell_dataset美元annots)鉴别(seuratObject) < -seuratObject美元LabeledCellTyperm(mini_singleCell_dataset)data.frame(cbind(cellType =as.character(鉴别(seuratObject)),cellID =的名字(鉴别(seuratObject))))create_profile_matrix(mtx =seuratObject@化验美元核糖核酸@计数,cellAnnots =annots,cellTypeCol =“cellType”,cellNameCol =“cellID”,matrixName =“custom_mini_colon”,outDir =,正常化=,minCellNum =5,minGenes =10)# >[1]“创建阿特拉斯”# >[1]“1/6:基质细胞”# >[1]“2/6:神经胶质细胞”# >[1]“3/6:内皮细胞”# >[1]“4/6:浆细胞”# >[1]“5/6:周皮细胞细胞”# >警告create_profile_matrix (mtx = seuratObject@assays RNA@counts美元,cellAnnots = annots:# >周皮细胞细胞从矩阵,因为它没有足够的可行的细胞根据目前过滤阈值。# >如果这个细胞类型考虑改变minCellNum或minGenes是必要的# >[1]”6/6:结肠平滑肌细胞”# >警告create_profile_matrix (mtx = seuratObject@assays RNA@counts美元,cellAnnots = annots:# >的结肠平滑肌细胞从矩阵,因为它没有足够的可行的细胞根据目前过滤阈值。# >如果这个细胞类型考虑改变minCellNum或minGenes是必要的头(custom_mtx_seurat)# >基质细胞胶质细胞内皮细胞浆细胞0.0000000 - 0.05787067 # > PLEKHN1 0.0000000 00.0000000 - 0.00000000 # > PERM1 0.1167131 00.0000000 - 0.07922668 # > C1orf159 0.0000000 00.1853931 - 0.00000000 # > TTLL10 0.0000000 00.0000000 - 0.07039008 # > TAS1R3 0.0000000 00.0000000 - 0.07922668 # > ATAD3C 0.1219237 0粘贴(“custom_mtx custom_mtx_seurat是相同的”,所有(custom_mtx= =custom_mtx_seurat))# > [1]“custom_mtx custom_mtx_seurat是一样的真正的“

Deconvolving runspatialdecon函数修对象

现在我们的数据准备反褶积。首先,我们将展示如何使用spatialdecon基本设置下,省略可选的铃声和口哨声。

runspatialdecon(对象=andersson_g1,bg =0.01,X =safeTME,align_genes =真正的)str(res)# >列表10所示# >β美元:num [1:18, 1:441) 5.92 4.71 1.94 1.7 1.41……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# >(美元:num [1:18, 1:18, 1:441) 0.617854 -0.16539 -0.011852 -0.00779 -0.000584……# > . .- - - - - -attr(*, "dimnames")=List of 3# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ yhat: num [1:693 1:441) 0.933 4.288 0.787 0.09 0.884……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:693] "TNFRSF4" "MXRA8" "PLCH2" "CA6" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $渣油:num [1:693 1:441) -0.9 -3.1 -0.655 -0.822 0…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:693] "TNFRSF4" "MXRA8" "PLCH2" "CA6" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ p: num [1:18, 1:441) 4.85 1.33 4.53 5.00 e-14 7.11平台以及e-02 e-01 e-05……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ t: num [1:18, 1:441] 7.53 - 6.16 2 1.5 - 4.06…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ se: num [1:18, 1:441) 0.786 0.765 0.971 1.133 0.347……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ prop_of_all: num [1:18, 1:441) 0.1461 0.1163 0.048 0.042 0.0348……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ prop_of_nontumor: num [1:18, 1:441) 0.1461 0.1163 0.048 0.042 0.0348……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ X: num [1:693, 1:18] 0.011117 0.000305 0 0.001419 0.002561……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:693] "TNFRSF4" "MXRA8" "PLCH2" "CA6" ...# >……美元:chr [1:18] "macrophages" "mast" "B.naive" "B.memory" ...

我们最感兴趣的“测试版”,估计细胞丰度的矩阵。

的热图(res美元β,cexCol =0.5,cexRow =0.7,利润=c(10,7))
细胞丰度估计”>
    <p class=细胞丰度估计

使用spatialdecon的高级设置

spatialdecon有几个能力超越基本的反褶积:

  1. 如果每个地区的核数/观察,它返回结果总细胞数的规模。这个选项通常是不能用于ST / Visium数据。
  2. 如果纯粹的肿瘤区域的身份/观察,它可以少量的肿瘤特异性表达谱和附加到细胞轮廓矩阵。这样占癌症细胞衍生的表情从任何基因的细胞轮廓矩阵,把污染信号从癌细胞。这个操作很复杂,在圣/ Visium研究,因为他们通常不包含地区先前标记为纯粹的肿瘤。作为识别的启发式纯肿瘤区域,我们确定了相对较低的地区的一个小子集数的基因safeTME矩阵与转录组的其余部分。
  3. 如果给定的原始统计数据,它源于per-data-point权重。Visium /圣数据,我们假设泊松错误。
  4. 如果给定一个“cellmatches”参数,它和多个密切相关的细胞类型)到一个分数。例如:如果使用safeTME矩阵与“safeTME cell-matching数据对象。比赛”,它如资金“T.CD8。幼稚”和“T.CD8。内存CD8.T“分数成一个”。细胞”分数。

让我们看一个示例单元匹配对象:

str(safeTME.matches)# >清单14所示# > $巨噬细胞:空空的“巨噬细胞”# > $桅杆:空空的“桅杆”# > $ B:[1:2]”从而向B。天真B.memory”# > $等离子体:空空的“等离子体”# > CD4.T美元。cells : chr [1:2] "T.CD4.naive" "T.CD4.memory"# > CD8.T美元。cells : chr [1:2] "T.CD8.naive" "T.CD8.memory"# > NK:美元对应“NK”# > $ pDC:空空的“髓”# > $ mDCs:空空的“mDCs”# > $单核细胞:空空的单核细胞[1:2]”。C monocytes.NC.I”# >中性粒细胞美元:空空的“中性粒细胞”# > $ Treg:空空的“Treg”# >内皮美元。cells: chr "endothelial.cells"# > $成纤维细胞:空空的“成纤维细胞”

现在让我们一些区域标记为纯粹的肿瘤:

相交(rownames(生),rownames(safeTME))情节(colSums(生),colSums(生[sharedgenes]),日志=“xy”)

嘘(colSums(生[sharedgenes,)/colSums(生),打破了=20.)

colSums(生[sharedgenes,)/colSums(原始)<0.03#阿尔玛数据表(alltumor)# > alltumor# >假真# > 388 53

计算权重:

runErrorModel(数=生,平台=“圣”)1/sd_from_noise

现在让我们spatialdecon运行:

与所有的钟声和口哨声# spatialdecon运行:runspatialdecon(对象=andersson_g1,#修对象X =safeTME,# safeTME矩阵,在默认情况下使用bg =0.01,#推荐0.01 Visium /圣数据的价值但是=出世,#重量cellmerges =safeTME.matches,# safeTME。匹配对象,默认情况下使用is_pure_tumor =alltumor,#身份的肿瘤段/观察n_tumor_clusters =5)#有多少不同的肿瘤safeTME配置文件来添加str(restils)# >清单12所示# >β美元:num[一14,1:441]0.0144 0 0 0 0…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ yhat: num [1:693 1:441) 1.002 0.999 0.999 0.994 0.994……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:693] "TNFRSF4" "MXRA8" "PLCH2" "CA6" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $渣油:num [1:693 1:441) -1.003 -0.998 -0.998 -0.992 -0.992……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:693] "TNFRSF4" "MXRA8" "PLCH2" "CA6" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ p: num[一14,1:441]0.811 - 1 1 1 1…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ t: num[一14,1:441]0.24 0 0 0 0…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ se: num[一14,1:441)0.05991 0.00633 0.17845 0.0811 0.5856……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# >β美元。颗粒:num[收窄,1:441]0.0144 0 0 0 0…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:23] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# >σ美元。颗粒:num(收,收窄,1:441)-2.62 3.59 9.92 -1.01 e 03 e-06 e-04 -1.21 e 03 e-05……# > . .- - - - - -attr(*, "dimnames")=List of 3# >……美元:chr [1:23] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:23] "macrophages" "mast" "B.naive" "B.memory" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# >σ美元:num[一14、一14 1:441)3.59 8.03 -2.62 -2.13 -1.01 e 03 e-06 e-04 e-05 e-04……# > . .- - - - - -attr(*, "dimnames")=List of 3# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ prop_of_all: num[一14,1:441]0.208 0 0 0 0…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ prop_of_nontumor: num[一14,1:441]0.208 0 0 0 0…# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:14] "macrophages" "mast" "B" "plasma" ...# >……美元:chr [1:441] "10x10" "10x11" "10x12" "10x13" ...# > $ X: num[1:693,收窄)0.011117 0.000305 0 0.001419 0.002561……# > . .- - - - - -attr(*, "dimnames")=List of 2# >……美元:chr [1:693] "TNFRSF4" "MXRA8" "PLCH2" "CA6" ...# >……美元:chr [1:23] "macrophages" "mast" "B.naive" "B.memory" ...

这里有相当多的读数。让我们回顾重要的:

为了说明肿瘤概要的推导过程,让我们看看spatialdecon细胞轮廓矩阵输出:

的热图(扫描(restils美元X,1,应用(restils美元X,1max),“/”),labRow =NA,利润=c(10,5))
safeTME与新派生合并肿瘤的概要文件”>
    <p class=safeTME与新派生合并肿瘤的概要文件

注意新的肿瘤特异性列。

策划反褶积结果

“小花”功能绘制细胞丰度在一些二维投影。在这里,我们先绘制细胞丰度在2主成分数据:

#规范化数据的主成分分析:prcomp(t(log2(pmax(规范,1))))美元x (,c(1,2)]#小花运行功能:票面价值(3月=c(5,5,1,1))布局(垫=(矩阵(c(1,2),1)),宽度=c(6,2))小花(x =个人电脑(1),y =个人电脑(2),b =restils美元β,cex =5,xlab =“PC1”,ylab =“PC2”)票面价值(3月=c(0,0,0,0))框架()传说(“中心”,填补=cellcols [rownames(restils美元β),传说=rownames(restils美元β),cex =0.7)
直到丰富标注在电脑空间”>
    <p class=直到丰富标注在电脑空间

#和情节小花在空间:票面价值(3月=c(5,5,1,1))布局(垫=(矩阵(c(1,2),1)),宽度=c(6,2))小花(x =x,y =y,b =restils美元β,cex =5,xlab =”“,ylab =”“)票面价值(3月=c(0,0,0,0))框架()传说(“中心”,填补=cellcols [rownames(restils美元β),传说=rownames(restils美元β),cex =0.7)
直到丰富策划在物理空间”>
    <p class=直到丰富策划在物理空间

所以我们可以看到,PC1大致追踪许多与一些免疫细胞,和PC2跟踪淋巴细胞和粒细胞群的相对丰度。

其他功能

SpatialDecon库包括几个有用的功能进一步分析/反褶积结果的微调。

结合细胞类型:

当两个细胞类型太相似,其丰度的估计变得不稳定。然而,他们仍然可以和容易估计。“collapseCellTypes”功能需要反褶积结果对象和崩溃任何colsely-related细胞类型你告诉它:

细胞丰度估计与相关细胞崩溃”>
     <p class=细胞丰度估计与相关细胞崩溃

会话信息

sessionInfo()# > R版本4.2.0 RC (2022-04-19 r82224)# >平台:x86_64-pc-linux-gnu(64位)# >下运行:Ubuntu 20.04.4 LTS# ># >矩阵产品:违约# >布拉斯特区:/home/biocbuild/bbs - 3.15 - bioc / R / lib / libRblas.so# > LAPACK: /home/biocbuild/bbs - 3.15 - bioc / R / lib / libRlapack.so# ># >语言环境:# > [1]LC_CTYPE = en_US。utf - 8 LC_NUMERIC = C# >[3]而= en_GB LC_COLLATE = C# > [5]LC_MONETARY = en_US。utf - 8 LC_MESSAGES = en_US.UTF-8# > [7]LC_PAPER = en_US。utf - 8 LC_NAME = C# > [9]LC_ADDRESS C = C LC_TELEPHONE =# > [11]LC_MEASUREMENT = en_US。utf - 8 LC_IDENTIFICATION = C# ># >附加基本包:# > [1]stats4统计图形grDevices跑龙套的数据集的方法# >[8]的基础# ># >其他附加包:# > [1]GeomxTools_3.0.0 NanoStringNCTools_1.4.0 ggplot2_3.3.5# > [4]S4Vectors_0.34.0 Biobase_2.56.0 BiocGenerics_0.42.0# > [7]SeuratObject_4.0.4 SpatialDecon_1.6.0# ># >加载通过名称空间(而不是附加):# > [1]nlme_3.1 - 157 bitops_1.0-7 EnvStats_2.7.0# > [4]RColorBrewer_1.1-3 httr_1.4.2 GenomeInfoDb_1.32.0# > [7]R.cache_0.15.0 numderiv_2016.8 - 1.1 tools_4.2.0# > [10]bslib_0.3.1 utf8_1.2.2 R6_2.5.1# > [13]vipor_0.4.5 DBI_1.1.2 colorspace_2.0-3# > [16]withr_2.5.0 tidyselect_1.1.2 GGally_2.1.2# > [19]repmis_0.5 curl_4.3.2 compiler_4.2.0# > [22]cli_3.3.0 sass_0.4.1 scales_1.2.0# > [25]systemfonts_1.0.4 stringr_1.4.0 digest_0.6.29# > [28]minqa_1.2.4 rmarkdown_2.14 R.utils_2.11.0# > [31]XVector_0.36.0 pkgconfig_2.0.3 htmltools_0.5.2# > [34]lme4_1.1-29 fastmap_1.1.0 highr_0.9# > [37]htmlwidgets_1.5.4 rlang_1.0.2 ggthemes_4.2.4# > [40]readxl_1.4.0 jquerylib_0.1.4 generics_0.1.2# > [43]jsonlite_1.8.0 dplyr_1.0.8 R.oo_1.24.0# > [46]rcurl_1.98 - 1.6 magrittr_2.0.3 GenomeInfoDbData_1.2.8# > [49]Matrix_1.4-1 Rcpp_1.0.8.3 ggbeeswarm_0.6.0# > [52]munsell_0.5.0 fansi_1.0.3 lifecycle_1.0.1# > [55]R.methodsS3_1.8.1 stringi_1.7.6 yaml_2.3.5# > [58]MASS_7.3-57 zlibbioc_1.42.0 plyr_1.8.7# > [61]grid_4.2.0 parallel_4.2.0 crayon_1.5.1# > [64]lattice_0.20-45 Biostrings_2.64.0 splines_4.2.0# > [67]knitr_1.38 pillar_1.7.0 uuid_1.1-0# > [70]boot_1.3-28 rjson_0.2.21 reshape2_1.4.4# > [73]glue_1.6.2 ggiraph_0.8.2 evaluate_0.15# > [76]data.table_1.14.2 vctrs_0.4.1 nloptr_2.0.0# > [79]cellranger_1.1.0 gtable_0.3.0 purrr_0.3.4# > [82]reshape_0.8.9 assertthat_0.2.1 xfun_0.30# > [85]tibble_3.1.6 pheatmap_1.0.12 lmerTest_3.1-3# > [88]beeswarm_0.4.0 IRanges_2.30.0 ellipsis_0.3.2