刘小泽写于19.9.3
字虽然少，都是干货
| 用法 | Seurat 2.x | Seurat 3.x | Scater | Monocle2.x | Monocle3.x |
|---|---|---|---|---|---|
| 创建R包要求的对象 | CreateSeuratObject() | 函数不变，参数取消了raw.data，min.genes更改为min.features | SingleCellExperiment() | newCellDataSet()，其中的phenoData、featureData参数都是用new()建立的AnnotatedDataFrame对象 | new_cell_data_set()，其中的cell_metadata、gene_metadata参数都是数据框 |
| 添加注释信息 | AddMetaData() | AddMetaData()或者直接通过object$meta_name | 可以直接使用sce$meta_name | addCellType()添加细胞类型 | 可以用基础R函数 |
| QC and selecting cell | sce@raw.data | GetAssayData() | calculateQCMetrics(),其中的feature_controls参数可以指定过滤指标，然后有一系列的可视化函数。过滤用filter()或isOutlier() | 用基础R函数进行初步过滤，还可以用detectGenes()函数加上subset()过滤 | 用基础R函数进行初步过滤 |
| 表达量的标准化或者归一化 | NormalizeData()，归一化后检测用sce@data | NormalizeData()，归一化后检测用sce[['RNA']] | 计算CPM：calculateCPM()、归一化：normalize() | estimateSizeFactors()还有estimateDispersions | preprocess_cds() |
| 寻找重要的基因 | FindVariableGenes() | FindVariableFeatures()，其中算法有变动 | 没有专门函数 | differentialGeneTest()函数 | 版本3和版本2的差异分析可以说是完全不同，版本3取代了2中的differentialGeneTest() and BEAM()。它利用fit_models()或graph_test() |
| 去除干扰因素 | ScaleData()，结果存储在sce@scale.data中 | ScaleData()，结果存储在sce[["RNA"]]@scale.data中 | limma的removeBatchEffect()、scran的mnnCorrect() | 去除干扰因素的功能被包装在降维函数中 | preprocess_cds()中指定参数residual_model_formula_str |
| 降维 | PCA：RunPCA()，参数pc.genes，结果存储在sce@dr$pca@gene.loadings tSNE：RunTSNE() | PCA：RunPCA()，参数features，结果存储在sce@reductions$pca@feature.loadings tSNE：RunTSNE() | PCA：runPCA()，结果在reducedDims中； tSNE：runTSNE() | reduceDimension函数，可以选择多种参数 | reduce_dimension()，算法包括UMAP", "tSNE", "PCA" and "LSI" |
| 降维后可视化 | VizPCA和PCElbowPlot;PCAPlot或者TSNEPlot | VizDimLoadings()、DimPlot()、DimHeatmap()、ElbowPlot() | plotReducedDim()、plotPCA() | plot_cell_clusters() | plot_cells() |
| 细胞聚类 | FindClusters() | FindNeighbors() + FindClusters() | 没有包装聚类函数，可以辅助其它R包，或者R基础函数 | clusterCells() | cluster_cells()，依赖一个Python模块louvain |
| 找marker基因 | FindMarkers()或FindAllMarkers() | FindMarkers()或FindAllMarkers()，VlnPlot()、FeaturePlot()可视化 | 借助SC3包 | newCellTypeHierarchy()、 classifyCells() | top_markers() |
| 绘图相关 | 基因相关性绘图：GenePlot()；细胞相关性绘图：CellPlot()，选择细胞用sce@cell.names | 基因相关性绘图：FeatureScatter()；细胞相关性绘图：CellScatter()，选择细胞用colnames(sce) | 基因相关性绘图：绘制基因表达相关plotExpression()；检测高表达基因plotHighestExprs()、表达频率plotExprsFreqVsMean()、细胞质控plotColData()、表达量累计贡献plotScater() | plot_cell_trajectory()、plot_genes_in_pseudotime()、plot_genes_jitter()、plot_pseudotime_heatmap()、plot_genes_branched_heatmap()、plot_genes_branched_pseudotime() | plot_pc_variance_explained()、对每组的marker基因可视化： plot_genes_by_group()、3D发育轨迹plot_cells_3d()、画小提琴图：plot_genes_violin() |
欢迎关注我们的公众号～_～
我们是两个农转生信的小硕，打造生信星球，想让它成为一个不拽术语、通俗易懂的生信知识平台。需要帮助或提出意见请后台留言或发送邮件到jieandze1314@gmail.com
Welcome to our bioinfoplanet!
