2.1测定单细胞上的基因表达:单细胞RNA序列

分子生物学的“中央教条”：在DNA（染色体）中编码的基因被转录为mRNA，然后翻译成突出菌。

• https://cdn.kastatic.org/ka-perseus-images/2b597889d05bc601803a3b4d9ec5ccd5e7b8d3af.png可汗学院的所有内容都可以在www.khanacademy.org免费获得

RNA测序（散装RNA-SEQ）

• 从大型细胞样品中分离mRNA
• 逆转录到cDNA，片段和序列
• 对齐测序片段参照基因组
• 更多的片段对齐被解释为更高的基因表达。

• http://bio.lundberg.gu.se/courses/vt13/rnaseq.html

单细胞RNA-seq

• 分离单个细胞
• 将每个细胞与条形码珠子联系起来
• 条形码cDNA序列
• 大多数目前的方法导致非常稀疏的“覆盖范围”

• Hwang等人，2018https://doi.org/10.1038/s12276-018-0071-8

2.2模拟数据

参数：

N_GENES < -  20000 N_CELLS < -  100 ##伽马分布式基因意味着速率< -  .1形< -  .1 ##负二氯计数分散< -  0.1

非常粗略的模拟:

set.seed (123) gene_means < - rgamma (n_genes形状=形状,率=)cell_size_factors < - 2 ^ rnorm (n_cells, sd = 0.5) cell_means < -外(gene_means cell_size_factors,‘*’)计数< -矩阵(rnbinom (n_genes * n_cells,μ= cell_means大小= 1 /分散),nrow = n_genes ncol = n_cells)

模拟数据的基本性质

范围（计数）## [1] 0 256 ##零的均值（counts == 0）## [1] 0.793133 ##'库大小' - 读取每个单元座位（COLSUMS（计数），main =“图书馆大小”）

##每种基因沟槽的平均排污（Rowmeans（log1p（counts）），main =“log基因表达”）

2.3大小的因素

log_counts < -  log（counts）居中< -  log_counts  -  rowmeans（log_counts）filtered_median < -  function（x）中位数（x [是finite（x）]）size_factors < -  exp（应用（居中，2，filtered_median））（size_factors）

## [1] 0.4438464 2.8639456 median(size_factors) ## [1] 1.025781

3.1R.包

磁盘上的文件和目录集合。完整包可能具有如下所示的结构。

SCSimulate DESCRIPTION NAMESPACE R/模拟。R size_factors。R.男子/simulate.Rd size_factors.Rd vignettes/ Using_this_package.Rmd tests/ testthat.R testthat/ test_simulate.R test_size_factor.R

描述

• 包名称，标题，描述（如纸摘要）
• 作者和维护者(联系作者)
• 许可证

• 这个包依赖的其他包('依赖项')

  • 取决于:使用此包所需的数据结构或工作流程。
  • 进口：在当前包装中使用。例如，我们将使用功能rgamma ()那rnorm（）,rnbinom ()从统计包中。
  • 建议:用于举例或小插图。

名称空间

• 这个包使用的函数-进口()那importFrom ()
• 该封装的函数可以为用户提供 -出口（）

r /

• 文本文件包含R.函数定义

男子/

• 文本文件记录功能

小插曲/

• “Markdown”或其他描述软件包使用的文本文件。

测试/

• 用于为包提供“单位”的功能。

3.2包骨架

创建一个包

devtools::创建(SCSimulate) # #✔创建‘SCSimulate / # #✔活动项目设置为' /用户/ ma38727 / b / github / BiocIntro /小插曲SCSimulate”创建的R / # # # #✔✔写作“描述”# #包:SCSimulate # #标题:什么包(一行,标题)# #版本:0.0.0.9000 # # Authors@R(解析):## * First Last  [aut, cre] (YOUR-ORCID-ID) ##描述:包做什么(一段)。## code: UTF-8 ## LazyData: true ## ## write 'NAMESPACE' ## Setting active project to ''

编辑描述文件（纯文本）

标题:模拟单细胞RNA seq数据版本:0.0.0.9000 Authors@R: c(person(given = "Martin"， family = "Morgan"， role = c("aut"， "cre")， email = "Martin.Morgan@RoswellPark.org"， comment = c(ORCID = " you -ORCID- id "))， person(given = "Another"， family = "Author"， role = "aut"))该包使用基因表达值的γ分布和每个细胞计数的负二项模型模拟单细胞RNA序列数据。该包还包含预处理函数，包括库缩放因子的简单计算。导入:stats编码:UTF-8 LazyData: true

到目前为止，我们的包裹看起来

SCSimulate DESCRIPTION NAMESPACE R/ .名称空间

3.3从脚本到函数

将描述模拟的脚本的一部分转换为函数模拟()。使用函数参数来捕获默认值。

模拟<函数（n_genes = 20000，n_cells = 100，速率= 0.1，形状= 0.1，色散= 0.1）{gene_means < -  rgamma（n_genes，shape = shape，rate = rate）cell_size_factors < -  2 ^ rnorm（n_cells，sd = 0.5）Cell_means < - 外部（Gene_means，Cell_size_factors，`*`）矩阵（rnbinom（n_genes * n_cells，mu = cell_means，size = 1 /色散），nrow = n_genes，ncol = n_cells）}

将描述大小因子计算的脚本部分转换为函数size_factors ()。唯一的论点size_factors ()是一个计数矩阵。

.filtered_median <- function(x [is.finite(x)]) size_factors <- function(counts) {log_counts <- log(counts) centered <- log_counts - rowMeans(log_counts) exp(apply(centered, 2， .filtered_median))}}

检查一下我们没出什么差错。

set.seed（123）计数< -  simulate（）size_factors < -  size_factors（counts）范围（size_factors）## [1] 0.8639456中位数（size_factors）## [1] 1.025781

3.4向包中添加函数定义

控件中的文件中放置函数r /目录中。通常，以文件中的函数/函数组命名文件。例如,

文件:R /模拟。R.

模拟<函数（n_genes = 20000，n_cells = 100，速率= 0.1，形状= 0.1，色散= 0.1）{gene_means < -  rgamma（n_genes，shape = shape，rate = rate）cell_size_factors < -  2 ^ rnorm（n_cells，sd = 0.5）Cell_means < - 外部（Gene_means，Cell_size_factors，`*`）矩阵（rnbinom（n_genes * n_cells，mu = cell_means，size = 1 /色散），nrow = n_genes，ncol = n_cells）}

文件:R / size_factors。R.

.filtered_median <- function(x [is.finite(x)]) size_factors <- function(counts) {log_counts <- log(counts) centered <- log_counts - rowMeans(log_counts) exp(apply(centered, 2， .filtered_median))}}

我们的包裹现在看起来像

SCSimulate DESCRIPTION NAMESPACE R/模拟。R size_factors。R.

3.5文档的功能

使用Roxygen2.为文档添加标记行＃'在每个函数的上面。常见标记如下所示。

• @title是出现在帮助页面顶部的一行描述。
• @描述在标题之后提供函数的简短描述。使用@details更多的描述出现在“用法”部分(生成基于签名后的功能@export帮助页面）。
• 文件参数(@param)及归还(@return仔细)值。的@param值用于形成帮助页的“Arguments”部分。的@return值将出现在帮助页的“返回”部分中。
• @例子都包含在帮助页面的“Examples”部分，并且必须是完整的、语法正确的R代码(在构建和检查包时计算示例)。
• 使用@importFrom表示特定包提供当前包中使用的特定功能。
• 为了可读性，“换行”到80列。一致且大方地使用缩进和空格。

文件:R /模拟。R.

#' @title模拟单细胞数据#' #' @description ' Simulate() '生成基因x细胞计数矩阵#'模拟单细胞RNA-seq数据。基因表达使用gamma分布进行建模。计数使用#'负二项分布进行模拟。#' #' @param n_genes integer(1)要模拟的基因(行)的数量。#' #' @param n_cells integer(1)要模拟的单元格(列)的数量。@param rate数值(1)rgamma()分布的速率参数。@param shape numeric(1) ' rgamma() '分布的形状参数。@param dispersion numeric(1) size (' 1 / dispersion ') parameter #' the ' rnbinom() '分布。#' #' @return ' simulate()返回' n_genes x n_cells ' matrix of #'模拟单细胞RNA-seq计数。#“#”@examples # '计数< -模拟()#“暗(计数)#”的意思是(数量= = 0)# ' 0 '细胞的一部分#的范围(计数)# #“@importFrom统计rgamma rnorm rnbinom # ' # ' @export模拟< -函数(n_genes = 20000, n_cells = 100 = 0.1, = 0.1,色散= 0.1){gene_means < rgamma (n_genes形状=形状, rate = rate) cell_size_factors <- 2 ^ rnorm(n_cells, sd = 0.5) cell_means <- outer(gene_means, cell_size_factors, `*`) matrix( rnbinom(n_genes * n_cells, mu = cell_means, size = 1 / dispersion), nrow = n_genes, ncol = n_cells ) }

文件:R / size_factors。R.

# ` @importFrom stats median .filtered_median <- function(x) median(x[is.finite(x)]) # ` @title计算几何均值为中心的中位数缩放细胞缩放# `因子。#' #' @description ' size_factors() '按日志计数的行平均值将每一行的日志计数居中。然后使用有限居中的#'值来计算列级几何中值#'缩放因子。#' #' @param计数matrix()基因x细胞RNA-seq计数。#' #' @return ' size_factors() '返回缩放因子的' numeric(ncol(counts)) ' vector #'。#' #' @example #' set.seed(123) #' counts <- simulate() #' size_factors <- size_factors(counts) #大约1 #' #' @export size_factors <- function(counts) {log_counts <- log(counts) centered <- log_counts - rowMeans(log_counts) exp(apply(centered, 2， .filtered_median))}}

3.6更新' NAMESPACE '和' man '页

DevTools :: Document（“Scsimulate”）##更新SCSIMULED文档##编写命名空间##加载SCSIMULATE ##编写命名空间

• 更新NAMESPACE文件

  • 此包使用的函数(统计数据::rgamma ()那统计数据::rnorm ()那统计数据::rnbinom ())。
  • 指示由此包定义的旨在对用户可见的函数(模拟()和size_factors (),但不.filtered_median ())。

• 将上面介绍的文档转换为独立文件

  • 例如,人/模拟。理查德·道金斯
  • 一个纯文本文件，但带有可被理解的latex风格标记R.。

我们的包裹现在看起来像

SCSimulate DESCRIPTION NAMESPACE R/模拟。R size_factors。R.男子/simulate.Rd size_factors.Rd

NAMESPACE文件更新为

cat(readLines("SCSimulate/NAMESPACE")， sep="\n") ## #由roxygen2生成:不手动编辑## ## export(simulate) ## export(size_factors) ## importFrom(stats,median) ## importFrom(stats,rnbinom) ## importFrom(stats,rnorm) ## importFrom(stats,rnbinom) ## importFrom(stats,rnorm)

3.7建立和检查

• 构建(整理)包文件到一个“tar”球，SCSimulate_0.0.0.9000.tar.gz。
• 检查焦油球是否完整和正确。

##写NAMESPACE ##加载SCSimulate ##写NAMESPACE ##写size_factors。理查德·道金斯## ── Building ────────────────────────────────────────────────────── SCSimulate ── ## Setting env vars: ## ● CFLAGS : -Wall -pedantic -fdiagnostics-color=always ## ● CXXFLAGS : -Wall -pedantic -fdiagnostics-color=always ## ● CXX11FLAGS: -Wall -pedantic -fdiagnostics-color=always ## ──────────────────────────────────────────────────────────────────────────────── ## ✔ checking for file ‘/Users/ma38727/a/github/BiocIntro/vignettes/SCSimulate/DESCRIPTION’ ## ─ preparing ‘SCSimulate’: ## ✔ checking DESCRIPTION meta-information ## ─ checking for LF line-endings in source and make files and shell scripts ## ─ checking for empty or unneeded directories ## ─ building ‘SCSimulate_0.0.0.9000.tar.gz’ ## ## ── Checking ────────────────────────────────────────────────────── SCSimulate ── ## Setting env vars: ## ● _R_CHECK_CRAN_INCOMING_USE_ASPELL_: TRUE ## ● _R_CHECK_CRAN_INCOMING_REMOTE_ : FALSE ## ● _R_CHECK_CRAN_INCOMING_ : FALSE ## ● _R_CHECK_FORCE_SUGGESTS_ : FALSE ## ── R CMD check ───────────────────────────────────────────────────────────────── ## Bioconductor version 3.11 (BiocManager 1.30.10), ?BiocManager::install for help ## ─ using log directory '/private/var/folders/yn/gmsh_22s2c55v816r6d51fx1tnyl61/T/Rtmp6S4exQ/SCSimulate.Rcheck' ## ─ using R Under development (unstable) (2019-12-01 r77489) ## ─ using platform: x86_64-apple-darwin17.7.0 (64-bit) ## ─ using session charset: UTF-8 ## ─ using options '--no-manual --as-cran' ## ✔ checking for file 'SCSimulate/DESCRIPTION' ## ─ this is package 'SCSimulate' version '0.0.0.9000' ## ─ package encoding: UTF-8 ## ✔ checking package namespace information ## ✔ checking package dependencies (3.4s) ## ✔ checking if this is a source package ## ✔ checking if there is a namespace ## ✔ checking for executable files ## ✔ checking for hidden files and directories ## ✔ checking for portable file names ## ✔ checking for sufficient/correct file permissions ## ✔ checking serialization versions ## ✔ checking whether package 'SCSimulate' can be installed (1.8s) ## ✔ checking installed package size ## ✔ checking package directory ## ✔ checking for future file timestamps (505ms) ## ✔ checking DESCRIPTION meta-information ## ✔ checking top-level files ## ✔ checking for left-over files ## ✔ checking index information ## ✔ checking package subdirectories ## ✔ checking R files for non-ASCII characters ## ✔ checking R files for syntax errors ## ✔ checking whether the package can be loaded ## ✔ checking whether the package can be loaded with stated dependencies ## ✔ checking whether the package can be unloaded cleanly ## ✔ checking whether the namespace can be loaded with stated dependencies ## ✔ checking whether the namespace can be unloaded cleanly ## ✔ checking loading without being on the library search path ## ✔ checking dependencies in R code ## ✔ checking S3 generic/method consistency (651ms) ## ✔ checking replacement functions ## ✔ checking foreign function calls ## ✔ checking R code for possible problems (2.1s) ## ✔ checking Rd files ## ✔ checking Rd metadata ## ✔ checking Rd line widths ## ✔ checking Rd cross-references ## ✔ checking for missing documentation entries ## ✔ checking for code/documentation mismatches (407ms) ## ✔ checking Rd \usage sections (792ms) ## ✔ checking Rd contents ## ✔ checking for unstated dependencies in examples ## ✔ checking examples (1.7s) ## ✔ checking for non-standard things in the check directory ## ✔ checking for detritus in the temp directory ## ## ## ── R CMD check results ────────────────────────────── SCSimulate 0.0.0.9000 ──── ## Duration: 14.9s ## ## 0 errors ✔ | 0 warnings ✔ | 0 notes ✔

3.8安装

devtools::install("SCSimulate") ## ✔ checking for file ‘/Users/ma38727/a/github/BiocIntro/vignettes/SCSimulate/DESCRIPTION’ ## ─ preparing ‘SCSimulate’: ## ✔ checking DESCRIPTION meta-information ## ─ checking for LF line-endings in source and make files and shell scripts ## ─ checking for empty or unneeded directories ## ─ building ‘SCSimulate_0.0.0.9000.tar.gz’ ## ## Running /Users/ma38727/bin/R-devel/bin/R CMD INSTALL \ ## /var/folders/yn/gmsh_22s2c55v816r6d51fx1tnyl61/T//Rtmp6S4exQ/SCSimulate_0.0.0.9000.tar.gz \ ## --install-tests ## * installing to library ‘/Users/ma38727/Library/R/4.0/Bioc/3.11/library’ ## * installing *source* package ‘SCSimulate’ ... ## ** using staged installation ## ** R ## ** byte-compile and prepare package for lazy loading ## ** help ## *** installing help indices ## ** building package indices ## ** testing if installed package can be loaded from temporary location ## ** testing if installed package can be loaded from final location ## ** testing if installed package keeps a record of temporary installation path ## * DONE (SCSimulate)

3.9使用!

图书馆（Scsimulate）

模拟? size_factors

示例(size_factors) ## ## sz_fct> set.seed(123) ## ## sz_fct> counts <- simulate() ## ## sz_fct> size_factors <- size_factors(counts) ## ## sz_fct> median(size_factors) # approximately 1 ## [1] 1.025781

4.1数据集

4.2沟通：雕刻叶

4.3稳健:测试和示例

4.4成熟:版本控制

4.5传播