Warm tip: This article is reproduced from serverfault.com, please click

r-如何解释 Seurat 对象中 nCount_RNA 的十进制值

(r - How to interpret decimal values for nCount_RNA in Seurat Object)

发布于 2021-03-14 01:24:27

我的数据集很奇怪。当我创建 Seurat 对象并为其加载元数据时,nCount_RNA 中的所有值都是十进制值而不是整数。我应该如何解释这个?数据本身是否有问题,或者我可以做些什么来解决这个问题?我问是因为稍后在我的分析中,函数似乎无法找到 nCount_RNA 对象,我相信十进制值是原因。

Seurat 对象的元数据

这是我用来创建这个对象的代码:

#Loading in the data ----------------------------------------------------------

filePaths = getGEOSuppFiles("GSE124395") 
tarF <- list.files(path = "./GSE124395/", pattern = "*.tar", full.names = TRUE) 
untar(tarF, exdir = "./GSE124395/") 
gzipF <- list.files(path = "./GSE124395/", pattern = "*.gz", full.names = TRUE) 
ldply(.data = gzipF, .fun = gunzip) 


# Creating the matrix -----------------------------------------------------------

P301_3_matrix <- read.delim(file = './GSE124395//GSM3531672_P301_3_CRYOMIXED11.coutt.csv') 
P301_3_matrix <- data.frame(P301_3_matrix[,-1], row.names=P301_3_matrix[,1]) 
P301_3_matrix <- as.matrix(P301_3_matrix) #<- makes the excel file into a matrix 

P301_3_colname <- read.table(file = './GSE124395//GSE124395_celseq_barcodes.192.txt', header = FALSE, row.names = 1) 
P301_3_colname <- data.frame(P301_3_colname[,-1], col=P301_3_colname[,1]) 
P301_3_colname <- as.matrix(P301_3_colname) 
colnames(P301_3_matrix) <- P301_3_colname[,1] 

colnames(P301_3_matrix) <- paste(colnames(P301_3_matrix), "CryoMixed11", sep = "_") 
P301_3_pdat <- data.frame("samples" = colnames(P301_3_matrix), "treatment" = "CryoMixed") 


#Creating the Seurat object ----------------------------------------------------

sobj<- CreateSeuratObject(counts = P301_3_matrix, min.cells = 0, min.features=1, project = "Liver_Cell_Atlas")
sobj <- saveRDS(sobj,file="JoinedMatrixNoFilters.rds")

希望这不是太模糊,感谢阅读!

Questioner
KaitS
Viewed
0
StupidWolf 2021-04-15 02:05:48

你读入的文件,它以某种方式标准化,绝对不是计数数据:

P301_3_matrix = read.delim('GSM3531672_P301_3_CRYOMIXED11.coutt.csv.gz',row.names=1)

head(colSums(P301_3_matrix))
        X1         X2         X3         X4         X5         X6 
  205.2744 22457.6142  1232.4626 14193.6406 15372.4642 18808.8838 

如果你阅读了processing详细信息,它会写道:

基于二项式统计,观察到的 UMI 数量被转换为转录本计数(Grün 等,2014)

因此,很可能你必须向作者询问计数表或简单地转换为整数,然后继续并希望没有任何问题。