简介

这是一个 rstudio shiny 应用，借助 Seurat 包对 single-cell RNA-seq 数据进行可视化 分析。本应用最初为 10X 数据设计，从原理上来说 其它平台的 single-cell RNA-seq 数据经 Seurat 处理后也能适用，但尚未测试。

本应用目前实现了以下功能：

• 对于一套 single-cell RNA-seq 数据，显示 t-SNE 投影图以及不同参数下的聚类结果。
• 根据输入的基因名称，在 t-SNE 投影图中以颜色深浅显示图中不同区域的细胞的基因表 达量的高低，同时使用 violin plot 表示不同小群的基因表达情况。
• 根据输入的两个基因，显示这两个基因在某一个或某几个小群中的表达相关关系，并提 供 pearson 相关系数。
• 通过选中某一个小群，找出这一小群细胞相比于其它某个小群或者剩余所有细胞的特征 性高表达基因。
• 对于选定数据集的聚类结果，选择小群重新进行聚类和 t-SNE 分析。

环境准备

赖于的 R 包显示如下：(除了limma需要使用Bioconductor 的biocLite()命令安装之外，其它包均可通过install.packages()命令安装):

• shiny
• shinyjs
• tidyverse
• magrittr
• DT
• cowplot
• Seurat
• limma

应用部署

1. 更改配置文件

   进入 shiny/ 目录，将 config.txt.example 复制为 config.txt，编辑 config.txt 以修改应用的全局变量

2. 建立数据列表

   进入 shiny/data/ 目录，将 resource_list.json.example 复制为 resource_list.json。这一 JSON 文件记录了应用关联的数据的详细信息。

   以resource_list.json.example 文件中的内容说明各键值对的含义：

   [
     {
       "label": "bl1",
       "description": "[BL1] mouse blood",
       "species": "mouse",
       "dims.use": 12,
       "resolution": 0.3,
       "subsets": [
         {
           "label": "bl1_dc",
           "description": "[BL1_DC] mouse blood DC"
         }
       ]
     },
     {
       "label": "sp2",
       "description": "[SP2] mouse spleen,mouse",
       "species": "mouse",
       "dims.use": 12,
       "resolution": 0.6
     }
   ]

   • label - 样本简称，这一项不应该包含空格等空白字符。同时这也是样本数据所在的目录（相对于 shiny/data/ 文件夹），如果该项的值为foobar，则样本数据位于shiny/data/foobar文件夹下
   • description - 样本描述，即关于该样品的详细信息
   • species - 样本来源的物种名，对于人和小鼠的样本应该分别为human和mouse
   • dims.use - 样本处理过程中 Seurat 包中 RunTSNE() 和 RunUMAP() 使用的 dims 参数，表示主成分（PC）数量，若该项未设置则使用 shiny/config.txt 中 dims_default 的值。
   • resolution - 样本处理过程中 Seurat 包中 FindClusters() 使用的resolution 参数，若该项未设置则使用 shiny/config.txt 中 res_default 的值。设计这一项的意义在于：如果曾经使用不同的resolution 参数多次执行 FindClusters() 函数，这一项给出了数据提供者认为的最适合的参数值。
   • subsets - 预先计算的样本的子集，其下同样可以设定 label、description 等键。

3. 数据准备

   对于每一个样本（即上述 resource_list.json 文件中的每一条记录），需要在相应 的数据文件夹中放置两类数据：

   1. XXX.rds （这里的 XXX 应该与前述的 label 保持一致，为使用 Seurat 处理得到的 R 对象文件，使用 saveRDS() 或者 readr::write_rds() 函数保 存到本地）
   2. 0至若干个 YYY.rds，表示数据的子集处理得到的 R 对象文件。

   为了得到 XXX.rds 或 YYY.rds 文件，需要用 Seurat 对 single-cell RNA-seq 数据进行一系列处理，包括数据过滤，降维处理，聚类分析等，实际的处理流程可以参考analysis.Rmd 文件。

其它说明

• Cell Ranger 输出的 t-SNE 坐标可以通过 Seurat 包中的 SetDimReduction() 函数整合到 R 对象文件中，参考脚本 utils/update-seurat-obj.R。Cell Ranger 输出的 t-SNE 坐标文件为 projection.csv。对于 10X 数据，该文件可以在 10X pipeline 输出结果的路径 ./outs/analysis/tsne/2_components/projection.csv 找到)

• 对基因别名的支持：对于人(human) 和小鼠(mouse) 的数据，基因名的输入框可以使用 基因别名。例如输入的 CD56 会被自动转换为基因的标准名 NCAM1。若输入的基因名有 效，则基因名输入框的边框会变为绿色，否则会变为红色。

• 可以直接在网址中指定使用的数据集：若应用部署在 localhost:4533 这个页面，则在 浏览器地址栏中输入 localhost:4533/?dataset=bl1 将直接打开名为 bl1 的数据集 （这里的 bl1 在前述的 resource_list.csv 文件中体现为一条记录的 label 列）