细胞名字可以不给但是基因名字不能不要啊

生信技能树 · 公众号 · · 2024-08-16 14:57

正文

这些年陆陆续续处理了一两千个单细胞转录组公共数据集了，总是会碰到一些缺胳膊断腿的，比如：GSE233447

GSM7428203 Uterine_neuroendocrine [OE180716630-01]
GSM7428204 Uterine_neuroendocrine [OE180716630-02]
GSM7428205 Uterine_neuroendocrine [OE180716630-03]
GSM7428206 Uterine_neuroendocrine [OE180716630-04]

首先从这个GEO页面的介绍看，还以为是4个样品的10x单细胞转录组，但是实际上是单个样品：a specimen obtained from a patient diagnosed with small cell endometrial neuroendocrine carcinoma (SCNEC) based on pathology. 然后降维聚类分群和命名后，如下所示：

降维聚类分群和命名

但是研究者公开的就是70多M的GSE233447_matrix.mtx.gz文件而已，确实是可以读取：

ct=Matrix::readMM('GSE233447_matrix.mtx.gz' ) 
ct[1:4,1:4]
dim(ct)
## 如下所示
4 x 4 sparse Matrix of class "dgTMatrix"
            
[1,] . . . .
[2,] . . . .
[3,] . . . .
[4,] . . . .
> dim(ct)
[1] 33538 12354

很明显，是 12354个单细胞，然后有33538个基因，但是作者并没有给出来细胞的id和基因的symbol，这样的数据就好尴尬！

我这里这一个狡猾的操作：

rownames(ct)=paste0('r',1:nrow(ct)) 
colnames(ct)=paste0('c',1:ncol(ct))

然后可以跑降维聚类分群啦，但是因为没有基因名字，所以是不可能针对不同单细胞亚群给出来合理的生物学名字；

image-20240816141053044

但是因为作者给出来了单细胞亚群的细胞数量，所以我们勉强是可以对应一下：

> as.data.frame(table(sce.all.int$RNA_snn_res.0.2) )
   Var1 Freq
1     0 2621
2     1 2332
3     2 1968
4     3 1817
5     4 1539
6     5  608
7     6  562
8     7  491
9     8  271
10    9   95
11   10   50

需要强大的逻辑推理能力，我感觉没必要。。。

还不如直接去找作者要对应的基因名字文件即可，是同济大学医学院附属上海肺科医院的检验医学系的Yin Liu ，他也有邮箱给出来（ [email protected]），感兴趣的也可以读一下他的文章哈：Single-Cell Transcriptome Analysis of Small Cell Neuroendocrine Carcinoma of the Endometrium Reveals ISL1 as a Potential Biomarker for Diagnosis and Treatment. Front Biosci (Landmark Ed) 2024 Mar 13;29(3):100. PMID: 38538277