单细胞亚群细胞数量不一致，如何实现抽样？

单细胞亚群细胞数量不一致，如何实现抽样？ by Investigator进修录

分享是一种态度

有人提问，他自己做单细胞的gsva, 细胞通讯，转录因子，拟时序, inferCNV这些分析，发现特别的消耗计算资源，因为项目很多，每个细胞亚群都是过万的细胞。希望可以将这些单细胞亚群进行抽样，使得其细胞数量一致。

我们以 seurat 官方教程为例：

rm(list = ls())
library(Seurat)
# devtools::install_github('satijalab/seurat-data')
library(SeuratData)
library(ggplot2)
library(patchwork)
library(dplyr)
load(file = 'basic.sce.pbmc.Rdata')

DimPlot(pbmc, reduction = 'umap', 
        label = TRUE, pt.size = 0.5) + NoLegend()

sce=pbmc

如果你不知道 basic.sce.pbmc.Rdata 这个文件如何得到的，麻烦自己去跑一下可视化单细胞亚群的标记基因的5个方法，自己 save(pbmc,file = 'basic.sce.pbmc.Rdata') ，我们后面的教程都是依赖于这个文件哦！

比如subset函数就有downsample参数

使用起来超级方便，subset(sce, downsample = 15) 即可，全部的代码如下：

features= c('IL7R', 'CCR7','CD14', 'LYZ',  'IL7R', 'S100A4',"MS4A1", "CD8A",'FOXP3',
            'FCGR3A', 'MS4A7', 'GNLY', 'NKG7',
            'FCER1A', 'CST3','PPBP')

DoHeatmap(subset(sce ), 
          features = features, 
          size = 3
          )
table(Idents(sce))
DoHeatmap(subset(sce, downsample = 15), 
          features = features, size = 3)

抽样前后很容易看出来：

可以看到：

自己写函数进行抽样


# 每个细胞亚群抽10 
allCells=names(Idents(sce))
allType = levels(Idents(sce))

choose_Cells = unlist(lapply(allType, function(x){
  cgCells = allCells[Idents(sce)== x ]
  cg=sample(cgCells,10)
  cg
}))

cg_sce = sce[, allCells %in% choose_Cells]
cg_sce
table(Idents(cg_sce))

可以看到抽样很成功：

> as.data.frame(table(Idents(cg_sce)))
          Var1 Freq
1  Naive CD4 T   10
2   CD14+ Mono   10
3 Memory CD4 T   10
4            B   10
5        CD8 T   10
6 FCGR3A+ Mono   10
7           NK   10
8           DC   10
9     Platelet   10