scRNA in R (2)

发表于2023-05-04更新于2023-05-04

本篇为评分类分析的方案。所谓评分，就是对细胞的某个功能、pathway进行一个打分，然后利用得分评价这些功能或者通路是被激活，还是抑制，无论算法如何，基因集如何，评价标准怎么确立，score总是为了这个目的：评估一个指标在单个细胞水平的高低。

  1. 基于marker基因/高表达基因的GO、KEGG富集分析，使用clusterprofiler的统一框架；
  2. 基于Msigdb中已有的gmt文件，特别是hallmark.gmt，进行单细胞的打分，包括使用GSVA和ssGSEA，使用irGSEA统一框架或者SCPA；
  3. 基于scMetabolism提供的代谢方向特定分析框架，对单细胞进行代谢方向上的评分；
  4. 基于fgsea，对单细胞的多组、时序性数据进行GESECA“共表达分析”；
  5. 基于DoRothEA的转录因子评分分析，这个是针对转录因子的分析，但分析方法显然是评分式的；
  6. 基于PROGENy的对于特定的14条pathway的打分分析，这个通常用在cancer里较多，也更恰当；
  7. 基于Cytotrace的细胞干性评估，该分析适合配合拟时序进行拟时序的方向评估，但目前通常用于干性较强的细胞比较合适，也即涵盖从祖细胞开始发育的路线，如果全部是成熟的细胞，则不太合适；
  8. 基于打分进行的得分的差异分析，特别是针对GSVA和ssGSEA的结果，在不同的样本/条件下对细胞状态的差异评估，使用limma进行差异分析；
  9. 基于打分和药物响应的单细胞药物敏感性评估，特别是在cancer领域，当然这一模型可以延伸，在多种样本/条件下表征单个细胞对药物的作用，可使用beyondcell；
  10. 评分类分析的可视化内容，可用工具包括scRNAtoolVis、Scillus、irGSEA、fgsea和ggpubr
    1. DimPlot：将评分在DimPlot上反应出来，对照细胞的cluster进行细胞层面的分析；
    2. heatmap：在不同的条件、细胞类型中，将得分的均值作为热图展示并进行聚类；
    3. 棒棒糖/背靠背barplot图：将得分的差异结果分组进行展示，选择top差异的细胞功能
    4. GSEA NES图：特定的Pathway的GSEA结果，展示通路的富集特异性
    5. enrichment plot：clusterprofiler的富集结果图，与bulk一致
    6. 时序性的GESECA plot，这个归属于fgsea的特殊可视化