SCP_UserGuide

single-cell RNA-seq analysis R package SCP user guide Chinese version （未完整） SCP version: v0.5.5

SCP单细胞数据分析使用说明

数据质控

function	RunCellQC
使用示范	data<-RunCellQC(data)
结果	返回完整SeuratObject，[email protected]中增加 umi_qc,gene_qc,mito_qc,ribo_qc,ribo_mito_ration_qc,species_qc等统计信息， 如果认为默认QC判定标准过于严格，可自行调整过滤参数重新过滤。
完整说明	https://zhanghao-njmu.github.io/SCP/reference/RunCellQC.html

常用参数：

• db_method: 默认使用scDblFinder，可选 Scrublet, DoubletDetection, scds_cxds, scds_bcds, scds_hybrid
• db_rate: 默认1%
• db_coefficient:默认0.01
• outlier_threshold: 默认 c("log10_nCount:lower:2.5", "log10_nCount:higher:5", "log10_nFeature:lower:2.5", "log10_nFeature:higher:5", "featurecount_dist:lower:2.5")
• UMI_threshold: 默认大于3000
• gene_threshold:默认大于1000
• mito_threshold:默认小于20
• mito_pattern: 根据物种选择mitochondria gene symbol格式，如人="MT-",小鼠="mt-"；
• mito_gene: 如果物种线粒体基因名字不具有一定格式，如猪，猴等其他物种，可以用mito_gene参数输入基因集合做计算。
• ribo_threshold: 默认50
• ribo_pattern：默认正则表达式匹配为 c("RP[SL]\d+\w0,1\d*$)","Rp[sl]\d+\w0,1\d*$","rp[sl]\d+\w0,1\d*$")
• ribo_gene: 使用与mito_gene类似，可输入基因结集合用作ribosome基因表达比例的计算

batch处理

function	Integration_SCP
使用示范	按照[email protected]中"Sample"列的信息，使用Harmony的方法对数据进行去批次处理 data<-Integration_SCP(srtMerge=data,batch="Sample",integration_method="harmony"，cluster_resolution=c(0.3,0.5))
结果	1.data@reduction中增加HarmonyUMAP2D,后续画图需设置参数 reduction="HarmonyUMAP2D" [email protected]中增加Harmony_SNN_res.0.3,Harmony_SNN_res.0.5的分群结果
完整说明	https://zhanghao-njmu.github.io/SCP/reference/Integration_SCP.html

常用参数：

• batch: 认为是批次的属性，如"Sample"
• integration_method: 去批次的方法，默认Uncorrected，其他可选 "Seurat", "scVI", "MNN", "fastMNN", "Harmony", "Scanorama", "BBKNN", "CSS", "LIGER", "Conos", "ComBat"
• do_normalization：默认NULL
• normalization_method: 默认LogNormalize, 其他可选："LogNormalize", "SCT", and "TFIDF"
• do_HVF_finding：默认TRUE，是否重新计算highly variable features(同Seurat中HVG概念)
• HVF_method: 默认为vst，其他可选：
• nHVF:默认2000，HVF的features数
• neighbor_k:默认20，KNN的neighbor数设置，该值越大，点与点连线越多
• cluster_resolution：默认等于0.6，可同时设置多个参数值

标准降维分析

function	Standard_SCP
使用示范	使用默认过滤参数对数据进行质控 data<-Standard_SCP(data)
结果	在data@reduction等数据结构中增加对应的结果
完整说明	https://zhanghao-njmu.github.io/SCP/reference/Standard_SCP.html

常用参数：

差异基因计算

function	RunDEtest
使用示范	1. 计算细胞类型(Celltype)间的差异表达基因 data<-RunDEtest(data,group_by="Celltype",fc.threshold = 1, only.pos = TRUE,BPPARAM = BiocParallel::MulticoreParam(workers = 2)) 2. 计算细胞类型组间的差异表达基因 data<-RunDEtest(data,group_by="Celltype",fc.threshold = 1, only.pos = TRUE,BPPARAM = BiocParallel::MulticoreParam(workers = 2))
结果	1. 在data@tools$DE_Celltype 2.
完整说明	https://zhanghao-njmu.github.io/SCP/reference/RunDEGtest.html

常用参数：

• BPPARAM: 线程设置，默认使用所有线程，如设置两个线程设置参数BPPARAM = BiocParallel::MulticoreParam(workers = 2)

差异基因富集分析及画图

1. GO,KEGG 富集分析

function	RunEnrichment
使用示范
结果
完整说明	https://zhanghao-njmu.github.io/SCP/reference/RunEnrichment.html

2. GSEA分析

function	RunGSEA
使用示范
结果
完整说明	https://zhanghao-njmu.github.io/SCP/reference/RunGSEA.html

3. 结果可视化

function	EnrichmentPlot
使用
完整说明	https://zhanghao-njmu.github.io/SCP/reference/EnrichmentPlot.html

Trajectory分析之Slingshot及可视化

Trajectory分析之Monocle2及可视化

Trajectory分析之Monocle3及可视化

Trajectory结果趋势基因分析及可视化

RunDynamicFeatures

PAGA分析

Velocity RNA速率分析

可视化

降维相关图

基因相关图

function: GroupHeatmap

个人推荐图：

更多图：

marker图（热图，气泡图，小提琴图等）

marker-cells图（热图，小提琴图等）

差异基因热图+富集结果展示图

差异基因富集结果可视化 EnrichmentPlot

比例相关图

Trajectory结果可视化

DynamicHeatmap

DynamicPlot

FAQ

1. SCP目前不支持Seurat5， 建议新建R包文件目录，先安装Seurat4，之后再使用该目录作为libPath安装SCP