单细胞分析实录(11): inferCNV的基本用法

2021-04-04 23:33:22 阅读：997 来源： 互联网

标签：11 CNV 单细胞 infercnv 基因 MGH36 inferCNV malignant 热图

InferCNV可以用于肿瘤单细胞RNA-Seq数据中鉴定大规模染色体拷贝数变异，例如整个染色体或大片段染色体的扩增或缺失。基本思路是在整个基因组范围内，将每个肿瘤细胞基因表达与平均表达或“正常”参考细胞基因表达对比，确定其表达强度。

这段话来自InferCNV官方文档：https://github.com/broadinstitute/inferCNV/wiki
实际分析中，我们经常用inferCNV来判断肿瘤细胞。当然还可以做肿瘤异质性、克隆进化方面的探索，这部分我会在下一期的推文中介绍，本期推文介绍基本使用。公众号后台回复20210404获取今天的代码和测试数据。

1. 安装

初次安装加载时，可能会提示你安装JAGS，根据提示安装JAGS后，再加载InferCNV就没问题

BiocManager::install("infercnv")
library("infercnv")
错误: package or namespace load failed for ‘infercnv’:
 loadNamespace()里算'rjags'时.onLoad失败了，详细内容：
  调用: fun(libname, pkgname)
  错误: Failed to locate any version of JAGS version 4

The rjags package is just an interface to the JAGS library
Make sure you have installed JAGS-4.x.y.exe (for any x >=0, y>=0) from
http://www.sourceforge.net/projects/mcmc-jags/files

2. 输入

在进行分析之前，需要准备三个文件：

Raw Counts Matrix for Genes x Cells
细胞的注释文件
共两列，一列CB，一列细胞来源，tab分割，无列名；
如果肿瘤细胞的注释类似malignant_{patient}，则在后续聚类画图时，设置cluster_by_groups=T会根据patient的来源进行区分
该文件的CB可以小于count矩阵，此时inferCNV只会对这部分细胞进行分析；
基因排序文件
tab分割，无列名
只有该文件和count矩阵共有的基因才会被分析（可以去掉不想画图的基因，比如线粒体基因），且该文件的染色体顺序决定了最终热图的染色体顺序（有些文章的图，inferCNV热图的染色体顺序是颠倒的，问题就出在这儿）。
我一般是根据cellranger提供的参考基因组gtf注释文件，得到基因排序文件
格式如下

WASH7P  chr1    14363   29806
LINC00115       chr1    761586  762902
NOC2L   chr1    879584  894689
MIR200A chr1    1103243 1103332

3. 流程

看一下这张流程图

我比较关注最后两步，去噪和CNV预测是分开的，一些已发表的文章这部分的分析都是基于去噪之后的结果（比如那张热图），CNV预测结果用的比较少，个人觉得使用analysis_mode = "subclusters"模式后的热图更好看，而且只有6个值
这是官网的一张对比图

4. 使用

主要步骤只有两步，如下

library(infercnv)

#使用inferCNV之前，最好过滤掉低质量的细胞
infercnv_obj = CreateInfercnvObject(raw_counts_matrix="oligodendroglioma_expression_downsampled.counts.matrix",
                                    annotations_file="oligodendroglioma_annotations_downsampled.txt",
                                    delim="\t",
                                    gene_order_file="gencode_downsampled.EXAMPLE_ONLY_DONT_REUSE.txt",
                                    ref_group_names=c("Microglia/Macrophage","Oligodendrocytes (non-malignant)") 
                                    )

#ref_group_names参数根据细胞注释文件填写，在示例中，这两种细胞是非恶性细胞，所以作为参照；
#ref_group_names=NULL，则会选用所有细胞的平均表达作为参照，这种模式下，最好能确保细胞内在有足够的差异


infercnv_obj = infercnv::run(infercnv_obj,
                             cutoff=1, 
                             out_dir="try",
                             cluster_by_groups=TRUE, 
                             #analysis_mode="subclusters", #默认是"samples"
                             denoise=TRUE,
                             HMM=TRUE,
                             num_threads=4
                             )
#去噪，HMM预测CNV这两项我一般都选上

关于cutoff参数，官网是这样说的：cutoff=1 works well for Smart-seq2, and cutoff=0.1 works well for 10x Genomics，表示基因在所有参照细胞中，表达count的平均值的最小阈值，10X数据更稀疏，所以这个值小
cluster_by_groups：先区分细胞来源，再做层次聚类
out_dir表示输出文件夹的名字，没有会自动创建

5. 输出

我认为重要的输出文件

infercnv.png

降噪之后生成的最终热图，图中的数值是"Residual expression values"，可以简单理解为基因表达值的另一种形式；

infercnv.references.txt : the 'normal' cell matrix data values

对应热图的参照panel

infercnv.observations.txt : the tumor cell matrix data values

对应热图的观测panel

infercnv.observation_groupings.txt

group memberships for the tumor cells as clustered，对应热图的观测panel的两个bar

"Dendrogram Group" "Dendrogram Color" "Annotation Group" "Annotation Color"
"MGH36_P9_B01" "1" "#8DD3C7" "1" "#8DD3C7"
"MGH36_P3_E06" "1" "#8DD3C7" "1" "#8DD3C7"
#2 3列只有一类值
#4 5列有四类值

infercnv.observations_dendrogram.txt

树状图的newick格式，对应热图的观测panel的“树”

run.final.infercnv_obj这个rds文件，以及包含在其中的三个子文件

如下
@expr.data：对应最终热图的表达文件
@reference_grouped_cell_indices：对应最终热图的reference细胞名称
@observation_grouped_cell_indices：对应最终热图的observation细胞名称

HMM_CNV_predictions.*.pred_cnv_regions.dat:

第二列是CNV的name，唯一；
第一列是CNV所属的group，inferCNV默认的模式(analysis_mode = "samples")是将一个patient作为一个整体找CNV，所以示例会有四个group；
4 5 6列包含CNV的坐标；
第三列表示状态：

State 1: 0x: complete loss
State 2: 0.5x: loss of one copy
State 3: 1x: neutral
State 4: 1.5x: addition of one copy
State 5: 2x: addition of two copies
State 6: 3x: essentially a placeholder for >2x copies but modeled as 3x

$ less -S HMM_CNV_predictions.HMMi6.hmm_mode-samples.Pnorm_0.5.pred_cnv_regions.dat | head -n 3
cell_group_name cnv_name        state   chr     start   end
malignant_MGH36.malignant_MGH36_s1      chr1-region_2   2       chr1    6281253 144341756
malignant_MGH36.malignant_MGH36_s1      chr1-region_4   3       chr1    151336778       156213123

HMM_CNV_predictions.*.cell_groupings

tumor subclusters和cell的对应关系
只有analysis_mode = "subclusters"模式下才会生成，这个模式挺慢，但肿瘤异质性和克隆进化都是在这种模式下做的

cell_group_name                         cell
malignant_MGH36.malignant_MGH36_s1      MGH36_P3_E06
malignant_MGH36.malignant_MGH36_s1      MGH36_P10_E07

HMM_CNV_predictions.*.pred_cnv_genes.dat

每一个group（第一列）, 每一个CNV片段（第二列）上面每一个基因（第四列）的CNV状态（第三列），文件中基因这一列是唯一的

$ less -S HMM_CNV_predictions.*.pred_cnv_genes.dat | head -n 3
cell_group_name gene_region_name        state   gene    chr     start   end
malignant_MGH36.malignant_MGH36_s1      chr1-region_2   2       ACOT7   chr1    6281253 6296032
malignant_MGH36.malignant_MGH36_s1      chr1-region_2   2       NOL9    chr1    6324329 6454451

该文件可以查询感兴趣基因的CNV状态，如下：

$ grep EGFR HMM_CNV_predictions.HMMi6.hmm_mode-samples.Pnorm_0.5.pred_cnv_genes.dat | head -n 3
malignant_MGH36.malignant_MGH36_s1      chr7-region_16  5       EGFR    chr7    54819943        54827667
malignant_93.malignant_93_s1    chr7-region_98  4       EGFR    chr7    54819943        54827667
malignant_97.malignant_97_s1    chr7-region_142 4       EGFR    chr7    54819943        54827667

这种方法看基因的CNV状态，也有局限性，只有当这个基因与它所处的CNV region的CNV状态比较一致才会被找出来，如果这个基因的CNV状态比周围一些基因的CNV状态强很多，则找不出来。
个人猜测是因为inferCNV是画窗口针对相邻的多个基因做推断，如果只有一个基因表达很高或很低，则被平均掉

上述的这些输出文件，对于深入分析CNV很有用，但是如果只区分肿瘤细胞，则用不到这么多文件。

6. 画图

infercnv包也包含了画图函数plot_cnv，这个知道的人不多，

library(RColorBrewer)
infercnv::plot_cnv(infercnv_obj, #上两步得到的infercnv对象
                   plot_chr_scale = T, #画染色体全长，默认只画出（分析用到的）基因
                   output_filename = "better_plot",output_format = "pdf", #保存为pdf文件
                   custom_color_pal =  color.palette(c("#8DD3C7","white","#BC80BD"), c(2, 2))) #改颜色

后续应该还有两篇inferCNV的内容，敬请期待~

因水平有限，有错误的地方，欢迎批评指正！

标签：11,CNV,单细胞,infercnv,基因,MGH36,inferCNV,malignant,热图
来源： https://www.cnblogs.com/TOP-Bio/p/14617447.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9