forked from tanlabcode/KMT2Ar_Paper
-
Notifications
You must be signed in to change notification settings - Fork 0
/
integrate_hd_scRNA.R
153 lines (113 loc) · 5.07 KB
/
integrate_hd_scRNA.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
## process data from healty donors
source('scDataAnalysis_Utilities.R')
## use lognorm + gini for all sample ####
files = dir('Seurat_Objects/scRNA/HealthyDonor/')
files = files[grepl(files, pattern = 'seurat_Normal|seurat_HD')]
tmp <- readRDS(paste0('Seurat_Objects/scRNA/HealthyDonor/', files[1]))
tmp <- subset(tmp, nCount_RNA < 40000)
mtx <- tmp@assays$RNA@counts
samples = tmp$sample
perc.mito = tmp$perc.mito
for(file0 in files[-1]){
tmp <- readRDS(paste0('Seurat_Objects/scRNA/HealthyDonor/', file0))
tmp <- subset(tmp, nCount_RNA < 40000 )
mtx0 <- tmp@assays$RNA@counts
samples0 = tmp$sample
perc.mito0 = tmp$perc.mito
samples = c(samples, samples0)
perc.mito = c(perc.mito, perc.mito0)
mtx = t(Matrix.utils::rBind.fill(t(mtx), t(mtx0), fill = 0))
}
rm(tmp, mtx0)
seurat.rna <- CreateSeuratObject(mtx)
seurat.rna <- NormalizeData(seurat.rna)
seurat.rna$sample = samples
seurat.rna$perc.mito = perc.mito
seurat.rna <- FindVariableFeatures(seurat.rna, nfeatures = 1000)
seurat.rna <- ScaleData(seurat.rna, features = VariableFeatures(seurat.rna),
vars.to.regress = c('perc.mito', 'nCount_RNA'))
seurat.rna <- RunPCA(seurat.rna, npc = 20, verbose = F,
features = VariableFeatures(seurat.rna))
seurat.rna <- RunUMAP(seurat.rna, dims = 1:20)
#seurat.rna <- RunTSNE(seurat.rna, dims = 1:20)
seurat.rna <- FindNeighbors(seurat.rna, dims = 1:20,
reduction = 'pca')
seurat.rna <- FindClusters(seurat.rna, res = 0.2)
niter = 2
k = 0
repeat{
k = k + 1
if(k > niter) break
gini_genes <- ifg_select(seurat.rna@assays$RNA@counts,
seurat.rna$seurat_clusters,
gini_cut_qt = 0.9)$include_g
VariableFeatures(seurat.rna) <- gini_genes
seurat.rna <- ScaleData(seurat.rna, features = VariableFeatures(seurat.rna),
vars.to.regress = c('perc.mito', 'nCount_RNA'))
seurat.rna <- RunPCA(seurat.rna, npc = 20, verbose = F,
features = VariableFeatures(seurat.rna))
seurat.rna <- RunUMAP(seurat.rna, dims = 1:20)
#seurat.rna <- RunTSNE(seurat.rna, dims = 1:20)
seurat.rna <- FindNeighbors(seurat.rna, dims = 1:20, reduction = 'pca')
seurat.rna <- FindClusters(seurat.rna, res = 0.1)
}
seurat.rna <- RunTSNE(seurat.rna, dims = 1:20)
## try to remove potential doublets
seurat.rna <- FindDoublets(seurat.rna, PCs = 1:20, exp_rate = 0.01)
## Downsample progenitors ####
seurat.rna = subset(seurat.rna, Doublet_Singlet == 'Singlet')
seurat.rna$childID = sapply(seurat.rna$sample,
function(x) unlist(strsplit(x, '_'))[2])
set.seed(2020)
ndown = 10000
id_live = grep(seurat.rna$sample, pattern = 'Live')
id_pg = setdiff(1:length(seurat.rna$sample), id_live)
id_sub = sample(id_pg, ndown)
##rm cd3 & CD19 coexpress cells
mtx = seurat.rna@assays$RNA@counts
sele_id = sort(c(id_live, id_sub))
mtx = seurat.rna@assays$RNA@counts[, sele_id]
samples = seurat.rna$sample[sele_id]
perc.mito = seurat.rna$perc.mito[sele_id]
sorts = seurat.rna$sort[sele_id]
seurat.rna <- CreateSeuratObject(mtx)
seurat.rna <- NormalizeData(seurat.rna)
seurat.rna$sample = samples
seurat.rna$perc.mito = perc.mito
seurat.rna$sort = sorts
seurat.rna <- FindVariableFeatures(seurat.rna, nfeatures = 1000)
seurat.rna <- ScaleData(seurat.rna, features = VariableFeatures(seurat.rna),
vars.to.regress = c('perc.mito', 'nCount_RNA'))
seurat.rna <- RunPCA(seurat.rna, npc = 20, verbose = F,
features = VariableFeatures(seurat.rna))
seurat.rna <- RunUMAP(seurat.rna, dims = 1:20)
#seurat.rna <- RunTSNE(seurat.rna, dims = 1:20)
seurat.rna <- FindNeighbors(seurat.rna, dims = 1:20,
reduction = 'pca')
seurat.rna <- FindClusters(seurat.rna, res = 0.2)
niter = 2
k = 0
repeat{
k = k + 1
if(k > niter) break
gini_genes <- ifg_select(seurat.rna@assays$RNA@counts,
seurat.rna$seurat_clusters,
gini_cut_qt = 0.9)$include_g
VariableFeatures(seurat.rna) <- gini_genes
seurat.rna <- ScaleData(seurat.rna, features = VariableFeatures(seurat.rna),
vars.to.regress = c('perc.mito', 'nCount_RNA'))
seurat.rna <- RunPCA(seurat.rna, npc = 20, verbose = F,
features = VariableFeatures(seurat.rna))
seurat.rna <- RunUMAP(seurat.rna, dims = 1:20)
#seurat.rna <- RunTSNE(seurat.rna, dims = 1:20)
seurat.rna <- FindNeighbors(seurat.rna, dims = 1:20, reduction = 'pca')
seurat.rna <- FindClusters(seurat.rna, res = 0.1)
}
seurat.rna <- RunTSNE(seurat.rna, dims = 1:20)
old.seurat <- readRDS('Seurat_Objects/scRNA/seurat_pool_logNorm_gini_FiveHD_10Xv3_downsample10000HSPC.rds')
mdata = subset(old.seurat@meta.data, select = Ctype)
seurat.rna <- AddMetaData(seurat.rna, metadata = mdata,
col.name = 'Old_Ctype' )
seurat.rna$Old_Ctype = as.character(seurat.rna$Old_Ctype)
seurat.rna$Old_Ctype[is.na(seurat.rna$Old_Ctype)] = 'NA'
saveRDS(seurat.rna, 'Seurat_Objects/scRNA/seurat_pool_logNorm_gini_FiveHD_10Xv3_downsample10000HSPC.rds')