if（！sireseenamespace（“ biocmanager”，悄悄= true））install.packages（“ biocmanager”）biocmanager :: install（“ singlecellmultimodal”）图书馆（MultiasSayExperiment）库（Singlecellmultimodal）Cite-Seq数据是从同一单元格同时提取的两种数据类型的组合。第一个数据类型是SCRNA-SEQ数据，而第二个数据类型是大约是抗体衍生标签（ADT）的hundread。特别是该数据集由Stoeckius等。（2017）。
用户可以使用默认选项查看可用数据集
citeseq（datatype =“ cord_blood”，modes =“*”，dry.run = true，version =“ 1.0.0”）##数据集：cord_blood## snapshotdate（）：2022-04-19## ah_id模式file_size rdataclass rdatadateaded rdatadateDeDed rdatadateremaved ## 1 EH3795 SCADT_COUNTS 0.2 MB MATRIX 2020-09-23 ## 2 EH3796 SCRNASEQ_COUNTS SCRNASEQ_COUNTS 22.2 MB Matrix 2020-9-23 或仅通过设置dry.run = false它下载数据并创建多亚sayExexperiment目的。
在此示例中，我们将使用两个可用数据集之一scadt_counts：
mae <-citeseq（datatype =“ cord_blood”，modes =“*”，dry.run = false，版本=“ 1.0.0”）mae## 2个列出的##实验的多亚索sayexperiment对象，具有用户定义的名称和相应的类。##包含长度2：## [1] SCADT：带13行和8617列的矩阵## [2] scrnaseq：带有36280行和8617列的矩阵##功能##功能：##实验（##实验（获得） - 获取 - 获得实验（获得） - 获取实验（） -实例列表## coldata（） - 主要/表型数据帧## samplemap（） - 样品协调数据帧##`$`$`，`[`[`[[`[``[`` - 提取coldata coldata cold offerata coldata colder）列，子集或实验## * * * *格式（） - 转换为长或宽的数据框## assays（） - 将实验清单转换为矩阵的简单列表## exportClass（） - 将数据保存到平面文件具有实际数据的示例：
实验（MAE）##实验名单类长度2：## [1] scadt：带13行和8617列的矩阵## [2] scrnaseq：带有36280行的矩阵和8617列检查行注释：
Rownames（Mae）##长度2 ## [[“ scadt”]] CD3 CD4 CD4 CD4 CD45RA CD16 CD16 CD11CD11C CD19 CD19 CCR5 CCR5 CCR7 ## [[“ SCRNASEQ”] ERCC_ERCC_ERCC-00104 HUMEN_N-R5S25S25S25鼠标_N-R5S31313134-窥视采样：
Samplemap（MAE）## DataFrame with 17234 rows and 3 columns ## assay primary colname ## ## 1 scADT CTGTTTACACCGCTAG CTGTTTACACCGCTAG ## 2 scADT CTCTACGGTGTGGCTC CTCTACGGTGTGGCTC ## 3 scADT AGCAGCCAGGCTCATT AGCAGCCAGGCTCATT ## 4 scADT GAATAAGAGATCCCAT GAATAAGAGATCCCAT ## 5 scADT GTGCATAGTCATGCAT GTGCATAGTCATGCAT ## ... ... ... ... ## 17230 scRNAseq TTGCCGTGTAGATTAG TTGCCGTGTAGATTAG ## 17231 scRNAseq GGCGTGTAGTGTACTC GGCGTGTAGTGTACTC ## 17232 scRNAseq CGTATGCCGTCTTCTG CGTATGCCGTCTTCTG ## 17233 scRNAseq TACACGACGCTCTTCC TACACGACGCTCTTCC ## 17234 scRNAseq ACACGACGCTCTTCCG ACACGACGCTCTTCCG 名称可访问SCRNA-SEQ数据scrnaseq，返回矩阵目的。
头（实验（MAE）$ scrnaseq）[，1：4]## CTGTTTACACCGCTAG CTCTACGGTGTGGCTC AGCAGCCAGGCTCATT ## ERCC_ERCC-00104 0 0 0 ## HUMAN_A1BG 0 0 0 ## HUMAN_A1BG-AS1 0 0 0 ## HUMAN_A1CF 0 0 0 ## HUMAN_A2M 0 0 0 ## HUMAN_A2M-AS1 0 0 0 ## GAATAAGAGATCCCAT## ercc_ercc-00104 0 ## human_a1bg 0 ## human_a1bg-as1 0 ## human_a1cf 0 ## human_a2m 0 ## human_a2m-as1 0SCADT数据可访问该名称Scadt，返回矩阵目的。
头（实验（MAE）$ scadt）[，1：4]## CTGTTTACACCGCTAG CTCTACGGTGTGGCTC AGCAGCCAGGCTCATT GAATAAGAGATCCCAT ## CD3 60 52 89 55 ## CD4 72 49 112 66 ## CD8 76 59 61 56 ## CD45RA 575 3943 682 378 ## CD56 64 68 87 58 ## CD16 161 107 117 82由于已经大量使用了某些方法（例如Singlecellexperiment小插图或者Citefuse小插图在哪里Singlecellexperiment对象用于cite-seq数据，我们为转换我们的cite-seq提供了一个函数多亚sayExexperiment对象成一个Singlecellexperiment对象将SCRNA-SEQ数据作为计数和SCADT数据作为对象altexps。
sce <-citeseq（datatype =“ cord_blood”，modes =“*”，dry.run = false，verse，version =“ 1.0.0”，dataclass =“ singlecellexperiment”）sce##类：SingleCellexperiment ## DIM：36280 8617 ## Metadata（0）：## Assays（1）：计数## Rownames（36280）：ERCC_ERCC-00104 HUMEN_A1BG ... MOUSE_N-R5S25rowdata名称（0）：## colnames（8617）：ctgtttacaccgctag ctctacggtgtggtggctc ... tacacgacgctcttcc ## acacgacgcttcttccg ## coldata #coldata names（0）SessionInfo（）## R版本4.2.0 RC（2022-04-19 R82224）##平台：x86_64-pc-linux-gnu（64位）＃## blas：/home/biocbuild/bbs-3.15-bioc/r/lib/libblas.so ## lapack：/home/biocbuild/bbs-3.15-bioc/rib/lib/libb/librlapack.so ### ## ## locale：## [1] lc_ctype = en_us.utf-8 lc_numeric = c ## [3] lc_time = en_gb lc_collate = c ## [5] lc_us.us.utf-8 lc_messages = en_us.utf-8 ## [7]lc_paper = en_us.utf-8 lc_name = c ## [9] lc_address = c lc_telephone = c ## [11] lc_measurement = en_us.utf-8 lc_istientification = c ## ## ## ## ##附件：Stats图形GRDEVICES UTILS方法## [8]基础## ##其他附件：## [1] singlecellmultimodal_1.8.0多亚斯萨伊Experiment_1.22.0 ## [3]GenomeInfodb_1.32.0 ## [7] Iranges_2.30.0 S4Vectors_0.34.0 ## [9] Biocgenerics_0.42.0 Matrixgenerics_1.1.8.0 ## [11] Matrixstats_0.62.0.62.0d未连接）：## [1] BITOPS_1.0-7 BIT64_4.0.5 ## [3] FILELOCK_1.0.2 HTTR_1.4.2 ## [5] TOOLS_4.2.0 BSLIB_0.3.1 ## [7]5。1## [9] HDF5Array_1.24.0 DBI_1.1.2 ## [11] rhdf5filters_1.8.0 withr_2.5.0 ## [13] tidyselect_1.1.2 bit_4.0.4 ## [15] curl_4.3.2 compiler_4.2.0 ## [17] cli_3.3.0 formatR_1.12 ## [19] DelayedArray_0.22.0 bookdown_0.26 ## [21] sass_0.4.1 rappdirs_0.3.3 ## [23] stringr_1.4.0 digest_0.6.29 ## [25] SpatialExperiment_1.6.0 R.utils_2.11.0 ## [27] rmarkdown_2.14 XVector_0.36.0 ## [29] pkgconfig_2.0.3 htmltools_0.5.2 ## [31] sparseMatrixStats_1.8.0 limma_3.52.0 ## [33] dbplyr_2.1.1 fastmap_1.1.0 ## [35] rlang_1.0.2 RSQLite_2.2.12 ## [37] shiny_1.7.1 DelayedMatrixStats_1.18.0 ## [39] jquerylib_0.1.4 generics_0.1.2 ## [41] jsonlite_1.8.0 BiocParallel_1.30.0 ## [43] R.oo_1.24.0 dplyr_1.0.8 ## [45] RCurl_1.98-1.6 magrittr_2.0.3 ## [47] scuttle_1.6.0 GenomeInfoDbData_1.2.8 ## [49] Matrix_1.4-1 Rcpp_1.0.8.3 ## [51] Rhdf5lib_1.18.0 fansi_1.0.3 ## [53] R.methodsS3_1.8.1 lifecycle_1.0.1 ## [55] edgeR_3.38.0 stringi_1.7.6 ## [57] yaml_2.3.5 zlibbioc_1.42.0 ## [59] rhdf5_2.40.0 BiocFileCache_2.4.0 ## [61] AnnotationHub_3.4.0 grid_4.2.0 ## [63] blob_1.2.3 dqrng_0.3.0 ## [65] parallel_4.2.0 promises_1.2.0.1 ## [67] ExperimentHub_2.4.0 crayon_1.5.1 ## [69] lattice_0.20-45 beachmat_2.12.0 ## [71] Biostrings_2.64.0 KEGGREST_1.36.0 ## [73] magick_2.7.3 locfit_1.5-9.5 ## [75] knitr_1.39 pillar_1.7.0 ## [77] rjson_0.2.21 glue_1.6.2 ## [79] BiocVersion_3.15.2 evaluate_0.15 ## [81] BiocManager_1.30.17 vctrs_0.4.1 ## [83] png_0.1-7 httpuv_1.6.5 ## [85] purrr_0.3.4 assertthat_0.2.1 ## [87] cachem_1.0.6 xfun_0.30 ## [89] DropletUtils_1.16.0 mime_0.12 ## [91] xtable_1.8-4 later_1.3.0 ## [93] SingleCellExperiment_1.18.0 tibble_3.1.6 ## [95] AnnotationDbi_1.58.0 memoise_2.0.1 ## [97] ellipsis_0.3.2 interactiveDisplayBase_1.34.0Stoeckius，Marlon，Christoph Hafemeister，William Stephenson，Brian Houck-loomis，Pratip K Chattopadhyay，Harold Swerdlow，Rahul Satija和Peter Smibert。2017年。“单细胞中的同时表位和转录组测量。”自然方法14（9）：865。