-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy paththe_pipeline_scRNAseq_analysis_with_HARMONY.R
3237 lines (2544 loc) · 231 KB
/
the_pipeline_scRNAseq_analysis_with_HARMONY.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
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
# in this version to work on ALL the SAMPLES
# save RDS at the very end
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
# to use : /home/bogdan/R/R-4.0.0.install/bin/R
# we have replaced : samples.combined.list.combined to samples.combined
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
library(Cairo)
options(bitmapType='cairo')
library(conos)
library(liger)
library(harmony)
library(dplyr)
library(edgeR)
library(Seurat)
library(SeuratData)
library(SeuratWrappers)
library(cowplot)
library(Matrix)
library(gridExtra)
library(ggplot2)
library(future)
library(future.apply)
plan("multiprocess", workers = 8)
options(future.globals.maxSize = 64000 * 1024^2)
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
# The following tutorial is designed to give you an overview of the kinds of comparative analyses on complex cell types that are possible using the Seurat integration procedure.
# Here, we address three main goals:
# Identify cell types that are present in both datasets
# Obtain cell type markers that are conserved in both control and stimulated cells
# Compare the datasets to find cell-type specific responses to stimulation
###########################################################################################################
########################################################################################################### Setup the Seurat objects
# InstallData("ifnb")
# data("ifnb")
# NAME="zamples.control.ifnb"
# str(ifnb)
# Formal class 'Seurat' [package "Seurat"] with 12 slots
# ..@ assays :List of 1
# .. ..$ RNA:Formal class 'Assay' [package "Seurat"] with 8 slots
# .. .. .. ..@ counts :Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
# .. .. .. .. .. ..@ i : int [1:9787436] 20 27 37 64 65 83 87 131 139 175 ...
# .. .. .. .. .. ..@ p : int [1:14000] 0 877 1590 2440 3549 4183 4740 5720 6301 7181 ...
# .. .. .. .. .. ..@ Dim : int [1:2] 14053 13999
# .. .. .. .. .. ..@ Dimnames:List of 2
# .. .. .. .. .. .. ..$ : chr [1:14053] "AL627309.1" "RP11-206L10.2" "LINC00115" "NOC2L" ...
# .. .. .. .. .. .. ..$ : chr [1:13999] "AAACATACATTTCC.1" "AAACATACCAGAAA.1" "AAACATACCTCGCT.1" "AAACATACCTGGTA.1" ...
# .. .. .. .. .. ..@ x : num [1:9787436] 1 1 1 1 1 2 1 1 1 1 ...
# .. .. .. .. .. ..@ factors : list()
# .. .. .. ..@ data :Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
# .. .. .. .. .. ..@ i : int [1:9787436] 20 27 37 64 65 83 87 131 139 175 ...
# .. .. .. .. .. ..@ p : int [1:14000] 0 877 1590 2440 3549 4183 4740 5720 6301 7181 ...
# .. .. .. .. .. ..@ Dim : int [1:2] 14053 13999
# .. .. .. .. .. ..@ Dimnames:List of 2
# .. .. .. .. .. .. ..$ : chr [1:14053] "AL627309.1" "RP11-206L10.2" "LINC00115" "NOC2L" ...
# .. .. .. .. .. .. ..$ : chr [1:13999] "AAACATACATTTCC.1" "AAACATACCAGAAA.1" "AAACATACCTCGCT.1" "AAACATACCTGGTA.1" ...
# .. .. .. .. .. ..@ x : num [1:9787436] 1 1 1 1 1 2 1 1 1 1 ...
# .. .. .. .. .. ..@ factors : list()
# .. .. .. ..@ scale.data : num[0 , 0 ]
# .. .. .. ..@ key : chr "rna_"
# .. .. .. ..@ var.features : logi(0)
# .. .. .. ..@ meta.features:'data.frame': 14053 obs. of 0 variables
# .. .. .. ..@ misc : symbol NULL
# .. .. .. ..@ NA : NULL
# ..@ meta.data :'data.frame': 13999 obs. of 5 variables:
# .. ..$ orig.ident : chr [1:13999] "IMMUNE_CTRL" "IMMUNE_CTRL" "IMMUNE_CTRL" "IMMUNE_CTRL" ...
# .. ..$ nCount_RNA : num [1:13999] 3017 2481 3420 3156 1868 ...
# .. ..$ nFeature_RNA : int [1:13999] 877 713 850 1109 634 557 980 581 880 669 ...
# .. ..$ stim : chr [1:13999] "CTRL" "CTRL" "CTRL" "CTRL" ...
# .. ..$ seurat_annotations: Factor w/ 13 levels "CD14 Mono","CD4 Naive T",..: 1 1 1 12 3 1 7 2 6 1 ...
# ..@ active.assay: chr "RNA"
# ..@ active.ident: Factor w/ 2 levels "IMMUNE_CTRL",..: 1 1 1 1 1 1 1 1 1 1 ...
# .. ..- attr(*, "names")= chr [1:13999] "AAACATACATTTCC.1" "AAACATACCAGAAA.1" "AAACATACCTCGCT.1" "AAACATACCTGGTA.1" ...
# ..@ graphs : list()
# ..@ neighbors : list()
# ..@ reductions : list()
# ..@ project.name: chr "ifnb"
# ..@ misc : list()
# ..@ version :Classes 'package_version', 'numeric_version' hidden list of 1
# .. ..$ : int [1:3] 3 0 0
# ..@ commands : list()
# ..@ tools : list()
# write.table(as.data.frame(ifnb@meta.data),
# file=paste(NAME, "meta.data.START.txt", sep="."),
# quote=FALSE, sep="\t",
# row.names = TRUE, col.names = TRUE)
# colnames(as.data.frame(ifnb[["RNA"]]@counts))
# rownames(as.data.frame(ifnb[["RNA"]]@counts))
# write.table(colnames(as.data.frame(ifnb[["RNA"]]@counts)),
# file=paste(NAME, "meta.data.START.COLNAMES.txt", sep="."),
# quote=FALSE, sep="\t",
# row.names = TRUE, col.names = TRUE)
# write.table(rownames(as.data.frame(ifnb[["RNA"]]@counts)),
# file=paste(NAME, "meta.data.START.ROWNAMES.txt", sep="."),
# quote=FALSE, sep="\t",
# row.names = TRUE, col.names = TRUE)
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
# ifnb.list <- SplitObject(ifnb, split.by = "stim")
# $CTRL
# An object of class Seurat
# 14053 features across 6548 samples within 1 assay
# Active assay: RNA (14053 features)
# $STIM
# An object of class Seurat
# 14053 features across 7451 samples within 1 assay
# Active assay: RNA (14053 features)
################################################## the matrices look the same :
# ifnb.list$CTRL[["RNA"]]@counts
# ifnb.list$CTRL[["RNA"]]@data
################################################## the matrices look the same :
# ifnb.list$STIM[["RNA"]]@counts
# ifnb.list$STIM[["RNA"]]@data
########################################################################################################### SPLIT
########################################################################################################### OBJECT
# info regarding SPLIT OBJECT :
# assign the test object a three level attribute : here an example from the MANUAL
########################################################################################################### an
########################################################################################################### example
# groups <- sample(c("group1", "group2", "group3"), size = 80, replace = TRUE)
# names(groups) <- colnames(samples_small)
# head(samples_small@meta.data)
# orig.ident nCount_RNA nFeature_RNA RNA_snn_res.0.8
# ATGCCAGAACGACT SeuratProject 70 47 0
# CATGGCCTGTGCAT SeuratProject 85 52 0
# GAACCTGATGAACC SeuratProject 87 50 1
# TGACTGGATTCTCA SeuratProject 127 56 0
# AGTCAGACTGCACA SeuratProject 173 53 0
# TCTGATACACGTGT SeuratProject 70 48 0
# letter.idents groups RNA_snn_res.1
# ATGCCAGAACGACT A g2 0
# CATGGCCTGTGCAT A g1 0
# GAACCTGATGAACC B g2 0
# TGACTGGATTCTCA A g2 0
# AGTCAGACTGCACA A g2 0
# TCTGATACACGTGT A g1 0
# samples_small <- AddMetaData(object = samples_small, metadata = groups, col.name = "group")
# head(samples_small@meta.data)
# orig.ident nCount_RNA nFeature_RNA RNA_snn_res.0.8
# ATGCCAGAACGACT SeuratProject 70 47 0
# CATGGCCTGTGCAT SeuratProject 85 52 0
# GAACCTGATGAACC SeuratProject 87 50 1
# TGACTGGATTCTCA SeuratProject 127 56 0
# AGTCAGACTGCACA SeuratProject 173 53 0
# TCTGATACACGTGT SeuratProject 70 48 0
# letter.idents groups RNA_snn_res.1 group
# ATGCCAGAACGACT A g2 0 group2
# CATGGCCTGTGCAT A g1 0 group2
# GAACCTGATGAACC B g2 0 group3
# Splits object based on a single attribute into a list of subsetted
# objects, one for each level of the attribute. For example, useful
# for taking an object that contains cells from many patients, and
# subdividing it into patient-specific objects.
# SplitObject(object, split.by = "ident")
# obj.list <- SplitObject(samples_small, split.by = "group")
# Splits object based on a single attribute into a list of subsetted
# objects, one for each level of the attribute. For example, useful
# for taking an object that contains cells from many patients, and
# subdividing it into patient-specific objects.
# SplitObject(object, split.by = "ident")
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
# from a tutorial on ZINB-WAVE :
################################################## the matrices look the same :
# ifnb.list$CTRL[["RNA"]]@counts
# ifnb.list$CTRL[["RNA"]]@data
################################################## the matrices look the same :
# ifnb.list$STIM[["RNA"]]@counts
# ifnb.list$STIM[["RNA"]]@data
###########################################################################################################
########################################################################################################### OUTPUT the folder CTRL
# library("Matrix")
# data_mtx_CTRL <- GetAssayData(ifnb.list$CTRL[["RNA"]], slot="counts")
# write.table(rownames(data_mtx_CTRL), file="features.data_mtx_CTRL.tsv", sep="\t", col.names=FALSE, row.names=FALSE, quote=FALSE)
# write.table(colnames(data_mtx_CTRL), file="barcodes.data_mtx_CTRL.tsv", sep="\t", col.names=FALSE, row.names=FALSE, quote=FALSE)
# Matrix::writeMM(data_mtx_CTRL, file="data_mtx_CTRL.mtx")
########################################################################################################### OUTPUT the folder STIM
###########################################################################################################
# library("Matrix")
# data_mtx_STIM <- GetAssayData(ifnb.list$STIM[["RNA"]], slot="counts")
# write.table(rownames(data_mtx_STIM), file="features.data_mtx_STIM.tsv", sep="\t", col.names=FALSE, row.names=FALSE, quote=FALSE)
# write.table(colnames(data_mtx_STIM), file="barcodes.data_mtx_STIM.tsv", sep="\t", col.names=FALSE, row.names=FALSE, quote=FALSE)
# Matrix::writeMM(data_mtx_STIM, file="data_mtx_STIM.mtx")
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
############################################################################################### to VERIFY the PIPELINE after we read again :
###############################################################################################
# DIR_CTRL="/media/bogdan/e7a05079-e4ce-4cfa-b0cd-bf2d7a54b46d/PIPELINE_SEURAT3/data_CTRL_again4/"
# DIR_STIM="/media/bogdan/e7a05079-e4ce-4cfa-b0cd-bf2d7a54b46d/PIPELINE_SEURAT3/data_STIM_again4/"
###############################################################################################
###############################################################################################
# ctrl.data <- Read10X(data.dir = DIR_CTRL)
# stim.data <- Read10X(data.dir = DIR_STIM)
# colnames(ctrl.data) <- paste(CTRL, colnames(ctrl.data), sep="-")
# colnames(stim.data) <- paste(STIM, colnames(stim.data), sep="-")
# read10X(mtx="matrix.mtx", genes="features.tsv", barcodes="barcodes.tsv")
# Error in read10X(mtx = "matrix.mtx", genes = "features.tsv", barcodes = "barcodes.tsv")
# it does not work ...
# read10X(mtx="data_mtx_CTRL.mtx", genes="features.data_mtx_CTRL.tsv", barcodes="barcodes.data_mtx_CTRL.tsv")
# str(data_mtx_CTRL)
#Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
# ..@ i : int [1:4626015] 20 27 37 64 65 83 87 131 139 175 ...
# ..@ p : int [1:6549] 0 877 1590 2440 3549 4183 4740 5720 6301 7181 ...
# ..@ Dim : int [1:2] 14053 6548
# ..@ Dimnames:List of 2
# .. ..$ : chr [1:14053] "AL627309.1" "RP11-206L10.2" "LINC00115" "NOC2L" ...
# .. ..$ : chr [1:6548] "AAACATACATTTCC.1" "AAACATACCAGAAA.1" "AAACATACCTCGCT.1" "AAACATACCTGGTA.1" ...
# ..@ x : num [1:4626015] 1 1 1 1 1 2 1 1 1 1 ...
# ..@ factors : list()
# str(data_mtx_STIM)
# Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
# ..@ i : int [1:5161421] 7 10 20 25 27 79 87 113 176 194 ...
# ..@ p : int [1:7452] 0 588 1380 1964 2696 3242 4558 5140 5702 6210 ...
# ..@ Dim : int [1:2] 14053 7451
# ..@ Dimnames:List of 2
# .. ..$ : chr [1:14053] "AL627309.1" "RP11-206L10.2" "LINC00115" "NOC2L" ...
# .. ..$ : chr [1:7451] "AAACATACCAAGCT.1" "AAACATACCCCTAC.1" "AAACATACCCGTAA.1" "AAACATACCCTCGT.1" ...
# ..@ x : num [1:5161421] 15 1 1 1 1 1 1 1 1 1 ...
# ..@ factors : list()
#######################################################################################################################
#######################################################################################################################
#######################################################################################################################
#######################################################################################################################
#######################################################################################################################
#######################################################################################################################
#######################################################################################################################
####################################################################################################################### NAMES
#######################################################################################################################
#######################################################################################################################
CTRL1="WT.1M"
STIM1="DIS.1M"
CTRL2="WT.2M"
STIM2="DIS.2M"
CTRL3="WT.3M"
STIM3="DIS.3M"
CTRL4="WT.4M"
STIM4="DIS.4M"
CTRL5="WT.5M"
STIM5="DIS.5M"
###############################################################################################
###############################################################################################
###############################################################################################
###############################################################################################
DIR_CTRL1 = "/labs/scRNAseq/cell_aggregate_samples_1M_WT/"
DIR_STIM1 = "/labs/scRNAseq/cell_aggregate_samples_1M_DIS/"
DIR_CTRL2 = "/labs/scRNAseq/cell_aggregate_samples_2M_WT"
DIR_STIM2 = "/labs/scRNAseq/cell_aggregate_samples_2M_DIS"
DIR_CTRL3 = "/labs/scRNAseq/cell_aggregate_samples_3M_WT"
DIR_STIM3 = "/labs/scRNAseq/cell_aggregate_samples_3M_DIS"
DIR_CTRL4 = "/labs/scRNAseq/cell_aggregate_samples_4M_WT"
DIR_STIM4 = "/labs/scRNAseq/cell_aggregate_samples_4M_DIS"
DIR_CTRL5 = "/labs/scRNAseq/cell_aggregate_samples_5M_WT"
DIR_STIM5 = "/labs/scRNAseq/cell_aggregate_samples_5M_DIS"
###############################################################################################
###############################################################################################
###############################################################################################
###############################################################################################
NAME <- paste("integrated", sep=".")
LIST.KNOWN.MARKERS = read.delim("a.LIST.MARKERS.RETINA.mouse.txt", header=T, sep="\t", stringsAsFactors=F) ### to read the LIST at the start
### in the folders above :
###############################################################################################
############################################################################################### THRESHOLDS
### RESOLUTION = 0.6
RESOLUTION = 0.4
THRESHOLD_min_counts <- 500
THRESHOLD_max_counts <- 20000
THRESHOLD_min_genes <- 600
THRESHOLD_max_genes <- 2500
THRESHOLD_mito <- 20
###############################################################################################
############################################################################################### MERGE VIGNETTE
# https://satijalab.org/seurat/v3.1/merge_vignette.html
# ctrl.data <- read.table("control_expression_matrix.txt.gz", sep = "\t")
# stim.data <- read.table("stimulated_expression_matrix.txt.gz", sep = "\t")
###############################################################################################
###############################################################################################
ctrl1.data <- Read10X(data.dir = DIR_CTRL1)
stim1.data <- Read10X(data.dir = DIR_STIM1)
colnames(ctrl1.data) <- paste(CTRL1, colnames(ctrl1.data), sep="-")
colnames(stim1.data) <- paste(STIM1, colnames(stim1.data), sep="-")
###############################################################################################
###############################################################################################
ctrl2.data <- Read10X(data.dir = DIR_CTRL2)
stim2.data <- Read10X(data.dir = DIR_STIM2)
colnames(ctrl2.data) <- paste(CTRL2, colnames(ctrl2.data), sep="-")
colnames(stim2.data) <- paste(STIM2, colnames(stim2.data), sep="-")
###############################################################################################
###############################################################################################
ctrl3.data <- Read10X(data.dir = DIR_CTRL3)
stim3.data <- Read10X(data.dir = DIR_STIM3)
colnames(ctrl3.data) <- paste(CTRL3, colnames(ctrl3.data), sep="-")
colnames(stim3.data) <- paste(STIM3, colnames(stim3.data), sep="-")
###############################################################################################
###############################################################################################
ctrl4.data <- Read10X(data.dir = DIR_CTRL4)
stim4.data <- Read10X(data.dir = DIR_STIM4)
colnames(ctrl4.data) <- paste(CTRL4, colnames(ctrl4.data), sep="-")
colnames(stim4.data) <- paste(STIM4, colnames(stim4.data), sep="-")
###############################################################################################
###############################################################################################
ctrl5.data <- Read10X(data.dir = DIR_CTRL5)
stim5.data <- Read10X(data.dir = DIR_STIM5)
colnames(ctrl5.data) <- paste(CTRL5, colnames(ctrl5.data), sep="-")
colnames(stim5.data) <- paste(STIM5, colnames(stim5.data), sep="-")
#######################################################################################################################
#######################################################################################################################
#######################################################################################################################
#######################################################################################################################
#### making the objects for all the samples
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
#######################################################################################################################
####################################################################################################################### making SEURAT OBJECTS : 1
#######################################################################################################################
ctrl1 <- CreateSeuratObject(ctrl1.data, project = CTRL1)
head(colnames(ctrl1[["RNA"]]@counts))
head(ctrl1@meta.data)
# GetAssayData(ctrl1)[1:10, 1:10]
# as.data.frame(ctrl1[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(ctrl1[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", CTRL1, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(ctrl1[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", CTRL1, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##################################################################################################################
##################################################################################################################
stim1 <- CreateSeuratObject(stim1.data, project = STIM1)
head(colnames(stim1[["RNA"]]@counts))
head(stim1@meta.data)
# GetAssayData(stim1)[1:10, 1:10]
# as.data.frame(stim1[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(stim1[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", STIM1, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(stim1[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", STIM1, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
#######################################################################################################################
####################################################################################################################### making SEURAT OBJECTS : 2
#######################################################################################################################
ctrl2 <- CreateSeuratObject(ctrl2.data, project = CTRL2)
head(colnames(ctrl2[["RNA"]]@counts))
head(ctrl2@meta.data)
# GetAssayData(ctrl2)[1:10, 1:10]
# as.data.frame(ctrl2[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(ctrl2[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", CTRL2, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(ctrl2[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", CTRL2, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##################################################################################################################
##################################################################################################################
stim2 <- CreateSeuratObject(stim2.data, project = STIM2)
head(colnames(stim2[["RNA"]]@counts))
head(stim2@meta.data)
# GetAssayData(stim2)[1:10, 1:10]
# as.data.frame(stim2[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(stim2[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", STIM2, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(stim2[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", STIM2, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
#######################################################################################################################
####################################################################################################################### making SEURAT OBJECTS : 3
#######################################################################################################################
ctrl3 <- CreateSeuratObject(ctrl3.data, project = CTRL3)
head(colnames(ctrl3[["RNA"]]@counts))
head(ctrl3@meta.data)
# GetAssayData(ctrl3)[1:10, 1:10]
# as.data.frame(ctrl3[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(ctrl3[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", CTRL3, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(ctrl3[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", CTRL3, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##################################################################################################################
##################################################################################################################
stim3 <- CreateSeuratObject(stim3.data, project = STIM3)
head(colnames(stim3[["RNA"]]@counts))
head(stim3@meta.data)
# GetAssayData(stim3)[1:10, 1:10]
# as.data.frame(stim3[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(stim3[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", STIM3, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(stim3[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", STIM3, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
#######################################################################################################################
####################################################################################################################### making SEURAT OBJECTS : 4
#######################################################################################################################
ctrl4 <- CreateSeuratObject(ctrl4.data, project = CTRL4)
head(colnames(ctrl4[["RNA"]]@counts))
head(ctrl4@meta.data)
# GetAssayData(ctrl4)[1:10, 1:10]
# as.data.frame(ctrl4[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(ctrl4[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", CTRL4, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(ctrl4[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", CTRL4, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##################################################################################################################
##################################################################################################################
stim4 <- CreateSeuratObject(stim4.data, project = STIM4)
head(colnames(stim4[["RNA"]]@counts))
head(stim4@meta.data)
# GetAssayData(stim4)[1:10, 1:10]
# as.data.frame(stim4[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(stim4[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", STIM4, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(stim4[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", STIM4, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
#######################################################################################################################
####################################################################################################################### making SEURAT OBJECTS : 5
#######################################################################################################################
ctrl5 <- CreateSeuratObject(ctrl5.data, project = CTRL5)
head(colnames(ctrl5[["RNA"]]@counts))
head(ctrl5@meta.data)
# GetAssayData(ctrl5)[1:10, 1:10]
# as.data.frame(ctrl5[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(ctrl5[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", CTRL5, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(ctrl5[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", CTRL5, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##################################################################################################################
##################################################################################################################
stim5 <- CreateSeuratObject(stim5.data, project = STIM5)
head(colnames(stim5[["RNA"]]@counts))
head(stim5@meta.data)
# GetAssayData(stim5)[1:10, 1:10]
# as.data.frame(stim5[["RNA"]]@counts[c("Rbpms"),])
write.table(as.data.frame(stim5[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", STIM5, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(stim5[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", STIM5, "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
####################################################################################################################################################################################################################################
####################################################################################################################################################################################################################################
################################################################################################################## it adds ID to specific CELLS !
##################################################################################################################
# samples.combined <- merge(x=ctrl, y = stim, add.cell.ids = c(CTRL, STIM), project = "TUTORIAL")
####################################################################################################################################################################################################################################
####################################################################################################################################################################################################################################
##################################################################################################################
##################################################################################################################
samples.combined1 <- merge(x=ctrl1, y = stim1)
samples.combined1
head(colnames(samples.combined1))
tail(colnames(samples.combined1))
head(samples.combined1@meta.data)
tail(samples.combined1@meta.data)
table(samples.combined1$orig.ident)
head(colnames(samples.combined1[["RNA"]]@counts))
tail(colnames(samples.combined1[["RNA"]]@counts))
head(colnames(samples.combined1[["RNA"]]@data))
tail(colnames(samples.combined1[["RNA"]]@data))
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
################################################################################################################## we can use all the samples or,
################################################################################################################## if we wanna reduce the number of samples, we do get the following
samples.combined2 <- merge(x=samples.combined1, y = c(ctrl2, stim2, ctrl3, stim3, ctrl4, stim4, ctrl5, stim5))
# samples.combined2 <- merge(x=samples.combined1, y = c(ctrl3, stim3, ctrl5, stim5))
samples.combined2
# samples.combined2
# An object of class Seurat
# 25399 features across 119074 samples within 1 assay
# Active assay: RNA (25399 features, 0 variable features)
head(colnames(samples.combined2))
tail(colnames(samples.combined2))
head(samples.combined2@meta.data)
tail(samples.combined2@meta.data)
table(samples.combined2$orig.ident)
head(colnames(samples.combined2[["RNA"]]@counts))
tail(colnames(samples.combined2[["RNA"]]@counts))
head(colnames(samples.combined2[["RNA"]]@data))
tail(colnames(samples.combined2[["RNA"]]@data))
# STZ.1M STZ.2M STZ.3M STZ.4M STZ.5M WT.1M WT.2M WT.3M WT.4M WT.5M
# 9500 13749 15088 14882 13797 9206 8946 13996 10701 9209
# to print RBPMS for verifications :
write.table(as.data.frame(samples.combined2[["RNA"]]@counts[c("Rbpms"),]),
file=paste(NAME, "figure2.COUNTS", "Rbpms", "in.assay.RNA.sample", "COMBINED", "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
write.table(as.data.frame(samples.combined2[["RNA"]]@data[c("Rbpms"),]),
file=paste(NAME, "figure2.DATA", "Rbpms", "in.assay.RNA.sample", "COMBINED", "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
dim(samples.combined2[["RNA"]]@counts)
dim(samples.combined2[["RNA"]]@data)
# dim(samples.combined2[["RNA"]]@data)
# [1] 25399 119074
# dim(samples.combined2[["RNA"]]@counts)
# [1] 25399 119074
dim(samples.combined2@meta.data)
# 119074 3
write.table(as.data.frame(samples.combined2@meta.data),
file=paste(NAME, "figure2.DATA", "the.META.DATA", "in.assay.RNA.sample", "COMBINED", "txt", sep="."),
sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
### to print the INTEGRATED MATRIX
### although hmmm ... dunno if we can just read it back in the absence of the META.DATA file..
### when we print, Cholmod error 'problem too large' at file ../Core/cholmod_dense.c, line 105
# write.table(as.data.frame(samples.combined2[["RNA"]]@counts),
# file=paste(NAME, "figure2.DATA", "the.COUNTS.DATA", "in.assay.RNA.sample", "COMBINED", "txt", sep="."),
# sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
# write.table(as.data.frame(samples.combined2[["RNA"]]@data),
# file=paste(NAME, "figure2.DATA", "the.DATA.DATA", "in.assay.RNA.sample", "COMBINED", "txt", sep="."),
# sep="\t", quote=FALSE, col.names = TRUE, row.names = TRUE)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
### to memory
rm(ctrl1)
rm(stim1)
rm(ctrl2)
rm(stim2)
rm(ctrl3)
rm(stim3)
rm(ctrl4)
rm(stim4)
rm(ctrl5)
rm(stim5)
### to continue the analysis using the variable : samples.combined
samples.combined = samples.combined2
rm(samples.combined2)
rm(samples.combined1)
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
##############################################################################################################################################################################################################################################
########################################################################################################### compute the QC on the MITO GENES
# rownames(samples.combined[["RNA"]]@data)
# samples.combined[["percent.mt"]] <- PercentageFeatureSet(samples.combined, pattern = "^MT-") #### change to MT
samples.combined[["percent.mt"]] <- PercentageFeatureSet(samples.combined, pattern = "^mt-|^MT-|^Mt") #### change to MT
# from the other script :
# mito.genes <- grep(pattern = "^mt-|^MT-|^Mt", x = rownames(x=pbmc[["RNA"]]@data), value = TRUE)
# mito.genes
head(samples.combined@meta.data)
tail(samples.combined@meta.data)
VlnPlot(samples.combined, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)
ggsave(paste(NAME, "figure1.samples.combined", "VIOLIN.PLOT.genes.counts.mito.plots", "png", sep="."), width=38, height=18, units = "cm")
# group.by: Group (color) cells in different ways (for example, orig.ident) ###### by DEFAULT
# split.by: A variable to split the violin plots by, see ‘FetchData’ for more details
# rownames(samples.combined[["RNA"]]@counts)
# rownames(samples.combined[["RNA"]]@data)
###########################################################################################################
########################################################################################################### DISPLAY
plot1 <- FeatureScatter(samples.combined, feature1 = "nCount_RNA", feature2 = "percent.mt")
plot2 <- FeatureScatter(samples.combined, feature1 = "nCount_RNA", feature2 = "nFeature_RNA")
CombinePlots(plots = list(plot1, plot2))
ggsave(paste(NAME, "figure1.samples.combined", "FEATURE.SCATTER.genes.counts.mito.plots", "png", sep="."), width=38, height=18, units = "cm")
###########################################################################################################
###########################################################################################################
########################################################################################################### shall we FILTER the INTEGRATED DATA at this STEP :
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
# THRESHOLD_genes <- 500
# THRESHOLD_mito <- 20
# samples.combined <- subset(samples.combined, percent.mt <= THRESHOLD_mito) #### FILTERING based on MITO GENES
# samples.combined
# THRESHOLD_min_genes <- 500
# THRESHOLD_max_genes <- 20000
# samples.combined <- subset(samples.combined, nCount_RNA > THRESHOLD_min_counts & nCount_RNA < THRESHOLD_max_counts)
# samples.combined <- subset(samples.combined, nFeature_RNA > THRESHOLD_min_genes & nFeature_RNA < THRESHOLD_max_genes)
samples.combined <- subset(samples.combined, nFeature_RNA > THRESHOLD_min_genes & percent.mt < THRESHOLD_mito)
samples.combined
# THRESHOLD_min_counts <- 500
# THRESHOLD_max_counts <- 20000
########################################################################################################### the pipeline starting with HARMONY
###########################################################################################################
###########################################################################################################
###########################################################################################################
###########################################################################################################
# https://htmlpreview.github.io/?https://github.com/satijalab/seurat.wrappers/blob/master/docs/harmony.html
###########################################################################################################
samples.combined <- NormalizeData(samples.combined) %>% FindVariableFeatures() %>% ScaleData() %>% RunPCA(verbose = FALSE)
samples.combined <- RunHarmony(samples.combined, group.by.vars = "orig.ident")
samples.combined <- RunUMAP(samples.combined, reduction = "harmony", dims = 1:30)
samples.combined <- FindNeighbors(samples.combined, reduction = "harmony", dims = 1:30) %>% FindClusters(resolution = RESOLUTION) # !!! we also have FindClusters()
DimPlot(samples.combined, group.by = c("orig.ident"), ncol = 3)
ggsave(paste(NAME, "figure1.Dim.Plot", "HARMONY.UMAP", "png", sep="."), width = 40, height = 20, units = "cm")
###########################################################################################################
###########################################################################################################
###########################################################################################################
head(samples.combined@meta.data)
tail(samples.combined@meta.data)
# tail(samples.combined@meta.data)
# orig.ident nCount_RNA nFeature_RNA percent.mt
#STZ.5M-TTTGTTGCAACTTCTT-2 STZ.5M 5206 2483 12.043796
#STZ.5M-TTTGTTGCATCCTTGC-2 STZ.5M 3788 1785 15.839493
#STZ.5M-TTTGTTGGTCGCAGTC-2 STZ.5M 2897 1708 14.911978
#STZ.5M-TTTGTTGGTGGATCGA-2 STZ.5M 4705 2429 10.690755
#STZ.5M-TTTGTTGGTTTATGCG-2 STZ.5M 4555 2457 6.344676
#STZ.5M-TTTGTTGTCCTTCTTC-2 STZ.5M 2630 1433 17.756654
# RNA_snn_res.0.6 seurat_clusters
#STZ.5M-TTTGTTGCAACTTCTT-2 14 14
#STZ.5M-TTTGTTGCATCCTTGC-2 1 1
#STZ.5M-TTTGTTGGTCGCAGTC-2 22 22
#STZ.5M-TTTGTTGGTGGATCGA-2 37 37
#STZ.5M-TTTGTTGGTTTATGCG-2 34 34
#STZ.5M-TTTGTTGTCCTTCTTC-2 1 1
str(samples.combined)
#Formal class 'Seurat' [package "Seurat"] with 12 slots
# ..@ assays :List of 1
# .. ..$ RNA:Formal class 'Assay' [package "Seurat"] with 8 slots
# .. .. .. ..@ counts :Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
# .. .. .. .. .. ..@ i : int [1:6614279] 195 252 320 321 347 391 428 493 517 615 ...
# .. .. .. .. .. ..@ p : int [1:7292] 0 536 1081 1694 2386 2953 3454 4096 5531 6339 ...
# .. .. .. .. .. ..@ Dim : int [1:2] 25399 7291
# .. .. .. .. .. ..@ Dimnames:List of 2
# .. .. .. .. .. .. ..$ : chr [1:25399] "AABR07000089.1" "Vom2r6" "Vom2r5" "Raet1e" ...
# .. .. .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. .. .. ..@ x : num [1:6614279] 1 1 1 1 1 2 1 1 1 1 ...
# .. .. .. .. .. ..@ factors : list()
# .. .. .. ..@ data :Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
# .. .. .. .. .. ..@ i : int [1:6614279] 195 252 320 321 347 391 428 493 517 615 ...
# .. .. .. .. .. ..@ p : int [1:7292] 0 536 1081 1694 2386 2953 3454 4096 5531 6339 ...
# .. .. .. .. .. ..@ Dim : int [1:2] 25399 7291
# .. .. .. .. .. ..@ Dimnames:List of 2
# .. .. .. .. .. .. ..$ : chr [1:25399] "AABR07000089.1" "Vom2r6" "Vom2r5" "Raet1e" ...
# .. .. .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. .. .. ..@ x : num [1:6614279] 2.62 2.62 2.62 2.62 2.62 ...
# .. .. .. .. .. ..@ factors : list()
# .. .. .. ..@ scale.data : num [1:2000, 1:7291] -0.142 -0.131 -0.183 -0.072 -0.189 ...
# .. .. .. .. ..- attr(*, "dimnames")=List of 2
# .. .. .. .. .. ..$ : chr [1:2000] "Ust" "Grm1" "Utrn" "Nhsl1" ...
# .. .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. ..@ key : chr "rna_"
# .. .. .. ..@ assay.orig : NULL
# .. .. .. ..@ var.features : chr [1:2000] "Arr3" "Cst3" "Cartpt" "Pde6h" ...
# .. .. .. ..@ meta.features:'data.frame': 25399 obs. of 5 variables:
# .. .. .. .. ..$ vst.mean : num [1:25399] 0 0 0 0.000137 0.000137 ...
# .. .. .. .. ..$ vst.variance : num [1:25399] 0 0 0 0.000137 0.000137 ...
# .. .. .. .. ..$ vst.variance.expected : num [1:25399] 0 0 0 0.000137 0.000137 ...
# .. .. .. .. ..$ vst.variance.standardized: num [1:25399] 0 0 0 0.999 0.999 ...
# .. .. .. .. ..$ vst.variable : logi [1:25399] FALSE FALSE FALSE FALSE FALSE FALSE ...
# .. .. .. ..@ misc : NULL
# ..@ meta.data :'data.frame': 7291 obs. of 7 variables:
# .. ..$ orig.ident : chr [1:7291] "WT.1M" "WT.1M" "WT.1M" "WT.1M" ...
# .. ..$ nCount_RNA : num [1:7291] 786 806 882 1016 833 ...
# .. ..$ nFeature_RNA : int [1:7291] 536 545 613 692 567 501 642 1435 808 2127 ...
# .. ..$ percent.mt : num [1:7291] 8.14 5.71 6.01 5.91 5.52 ...
# .. ..$ RNA_snn_res.0.8: Factor w/ 21 levels "0","1","2","3",..: 1 3 1 1 1 3 5 4 1 18 ...
# .. ..$ seurat_clusters: Factor w/ 20 levels "0","1","2","3",..: 1 1 1 1 1 1 4 3 1 17 ...
# .. ..$ RNA_snn_res.0.6: Factor w/ 20 levels "0","1","2","3",..: 1 1 1 1 1 1 4 3 1 17 ...
# ..@ active.assay: chr "RNA"
# ..@ active.ident: Factor w/ 20 levels "0","1","2","3",..: 1 1 1 1 1 1 4 3 1 17 ...
# .. ..- attr(*, "names")= chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# ..@ graphs :List of 2
# .. ..$ RNA_nn :Formal class 'Graph' [package "Seurat"] with 7 slots
# .. .. .. ..@ assay.used: chr "RNA"
# .. .. .. ..@ i : int [1:145820] 0 970 984 1864 2454 2724 5153 5399 6180 6225 ...
# .. .. .. ..@ p : int [1:7292] 0 11 53 105 198 203 254 264 290 320 ...
# .. .. .. ..@ Dim : int [1:2] 7291 7291
# .. .. .. ..@ Dimnames :List of 2
# .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. ..@ x : num [1:145820] 1 1 1 1 1 1 1 1 1 1 ...
# .. .. .. ..@ factors : list()
# .. ..$ RNA_snn:Formal class 'Graph' [package "Seurat"] with 7 slots
# .. .. .. ..@ assay.used: chr "RNA"
# .. .. .. ..@ i : int [1:727339] 0 47 161 332 358 388 608 706 970 984 ...
# .. .. .. ..@ p : int [1:7292] 0 55 221 314 552 614 767 894 991 1066 ...
# .. .. .. ..@ Dim : int [1:2] 7291 7291
# .. .. .. ..@ Dimnames :List of 2
# .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. ..@ x : num [1:727339] 1 0.0811 0.0811 0.0811 0.0811 ...
# .. .. .. ..@ factors : list()
# ..@ neighbors : list()
# ..@ reductions :List of 3
# .. ..$ pca :Formal class 'DimReduc' [package "Seurat"] with 9 slots
# .. .. .. ..@ cell.embeddings : num [1:7291, 1:50] 7.36 7.29 6.89 7.24 7.32 ...
# .. .. .. .. ..- attr(*, "dimnames")=List of 2
# .. .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. .. .. ..$ : chr [1:50] "PC_1" "PC_2" "PC_3" "PC_4" ...
# .. .. .. ..@ feature.loadings : num [1:2000, 1:50] -0.000594 0.011951 -0.021497 0.000461 -0.009613 ...
# .. .. .. .. ..- attr(*, "dimnames")=List of 2
# .. .. .. .. .. ..$ : chr [1:2000] "Arr3" "Cst3" "Cartpt" "Pde6h" ...
# .. .. .. .. .. ..$ : chr [1:50] "PC_1" "PC_2" "PC_3" "PC_4" ...
# .. .. .. ..@ feature.loadings.projected: num[0 , 0 ]
# .. .. .. ..@ assay.used : chr "RNA"
# .. .. .. ..@ global : logi FALSE
# .. .. .. ..@ stdev : num [1:50] 10.72 8.57 6.87 6.42 4.44 ...
# .. .. .. ..@ key : chr "PC_"
# .. .. .. ..@ jackstraw :Formal class 'JackStrawData' [package "Seurat"] with 4 slots
# .. .. .. .. .. ..@ empirical.p.values : num[0 , 0 ]
# .. .. .. .. .. ..@ fake.reduction.scores : num[0 , 0 ]
# .. .. .. .. .. ..@ empirical.p.values.full: num[0 , 0 ]
# .. .. .. .. .. ..@ overall.p.values : num[0 , 0 ]
# .. .. .. ..@ misc :List of 1
# .. .. .. .. ..$ total.variance: num 1418
# .. ..$ harmony:Formal class 'DimReduc' [package "Seurat"] with 9 slots
# .. .. .. ..@ cell.embeddings : num [1:7291, 1:50] 7.06 7.01 6.59 6.94 7.01 ...
# .. .. .. .. ..- attr(*, "dimnames")=List of 2
# .. .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. .. .. ..$ : chr [1:50] "harmony_1" "harmony_2" "harmony_3" "harmony_4" ...
# .. .. .. ..@ feature.loadings : num [1:2000, 1:50] -9276 -15005 -13682 -1160 -1493 ...
# .. .. .. .. ..- attr(*, "dimnames")=List of 2
# .. .. .. .. .. ..$ : chr [1:2000] "Ust" "Grm1" "Utrn" "Nhsl1" ...
# .. .. .. .. .. ..$ : chr [1:50] "harmony_1" "harmony_2" "harmony_3" "harmony_4" ...
# .. .. .. ..@ feature.loadings.projected: num [1:2000, 1:50] -9276 -15005 -13682 -1160 -1493 ...
# .. .. .. .. ..- attr(*, "dimnames")=List of 2
# .. .. .. .. .. ..$ : chr [1:2000] "Ust" "Grm1" "Utrn" "Nhsl1" ...
# .. .. .. .. .. ..$ : chr [1:50] "harmony_1" "harmony_2" "harmony_3" "harmony_4" ...
# .. .. .. ..@ assay.used : chr "RNA"
# .. .. .. ..@ global : logi FALSE
# .. .. .. ..@ stdev : num(0)
# .. .. .. ..@ key : chr "harmony_"
# .. .. .. ..@ jackstraw :Formal class 'JackStrawData' [package "Seurat"] with 4 slots
# .. .. .. .. .. ..@ empirical.p.values : num[0 , 0 ]
# .. .. .. .. .. ..@ fake.reduction.scores : num[0 , 0 ]
# .. .. .. .. .. ..@ empirical.p.values.full: num[0 , 0 ]
# .. .. .. .. .. ..@ overall.p.values : num[0 , 0 ]
# .. .. .. ..@ misc : list()
# .. ..$ umap :Formal class 'DimReduc' [package "Seurat"] with 9 slots
# .. .. .. ..@ cell.embeddings : num [1:7291, 1:2] 5.57 7.06 5.86 5.79 7.25 ...
# .. .. .. .. ..- attr(*, "scaled:center")= num [1:2] 5.865 -0.686
# .. .. .. .. ..- attr(*, "dimnames")=List of 2
# .. .. .. .. .. ..$ : chr [1:7291] "WT.1M-AAACCTGAGATCCCAT" "WT.1M-AAACCTGAGGGCTCTC" "WT.1M-AAACCTGCAGTCACTA" "WT.1M-AAACCTGCATATACCG" ...
# .. .. .. .. .. ..$ : chr [1:2] "UMAP_1" "UMAP_2"
# .. .. .. ..@ feature.loadings : num[0 , 0 ]
# .. .. .. ..@ feature.loadings.projected: num[0 , 0 ]
# .. .. .. ..@ assay.used : chr "RNA"
# .. .. .. ..@ global : logi TRUE
# .. .. .. ..@ stdev : num(0)
# .. .. .. ..@ key : chr "UMAP_"
# .. .. .. ..@ jackstraw :Formal class 'JackStrawData' [package "Seurat"] with 4 slots
# .. .. .. .. .. ..@ empirical.p.values : num[0 , 0 ]
# .. .. .. .. .. ..@ fake.reduction.scores : num[0 , 0 ]
# .. .. .. .. .. ..@ empirical.p.values.full: num[0 , 0 ]
# .. .. .. .. .. ..@ overall.p.values : num[0 , 0 ]
# .. .. .. ..@ misc : list()
# ..@ project.name: chr "WT.1M.STZ.1M"
# ..@ misc : list()
# ..@ version :Classes 'package_version', 'numeric_version' hidden list of 1
# .. ..$ : int [1:3] 3 1 3
# ..@ commands :List of 8
# .. ..$ NormalizeData.RNA :Formal class 'SeuratCommand' [package "Seurat"] with 5 slots
# .. .. .. ..@ name : chr "NormalizeData.RNA"
# .. .. .. ..@ time.stamp : POSIXct[1:1], format: "2020-02-26 13:26:35"
# .. .. .. ..@ assay.used : chr "RNA"
# .. .. .. ..@ call.string: chr "NormalizeData(samples.combined)"