寻找细胞标志物（Marker）

cluster1.markers <- FindMarkers(spleen, ident.1 = 1, min.pct = 0)
   |++++++++++++++++++++++++++++++++++++++++++++++++++| 100% elapsed = 24s

print(x = head(x = cluster1.markers, n = 5))
                   p_val avg_logFC pct.1
CCL5       1.589509e-178  1.789441 0.962
GZMK       6.512320e-142  1.538912 0.645
IL32       2.861743e-138  1.438796 0.978
AC092580.4 2.438049e-130  1.508308 0.645
TRGC2      3.848748e-117  1.384213 0.572
           pct.2     p_val_adj
CCL5       0.251 2.488377e-174
GZMK       0.086 1.019504e-137
IL32       0.407 4.480059e-134
AC092580.4 0.106 3.816766e-126
TRGC2      0.085 6.025216e-113

spleen.markers <- FindAllMarkers(object = spleen, only.pos = TRUE, min.pct = 0.25, thresh.use = 0.25)
> print(x= head(x=spleen.markers,n = 10))
                 p_val avg_logFC pct.1 pct.2     p_val_adj cluster     gene
MS4A1    2.410289e-189  1.592266 0.974 0.258 3.773307e-185       0    MS4A1
CD79A    1.245084e-177  1.485304 0.971 0.270 1.949180e-173       0    CD79A
HLA-DRA  1.792014e-151  1.370242 1.000 0.556 2.805397e-147       0  HLA-DRA
CD79B    2.280181e-149  1.265725 0.938 0.315 3.569624e-145       0    CD79B
CD74     3.217361e-144  1.256090 0.997 0.871 5.036778e-140       0     CD74
HLA-DPB1 4.238869e-137  1.154889 0.997 0.616 6.635949e-133       0 HLA-DPB1
HLA-DRB5 6.911780e-136  1.123850 0.990 0.437 1.082039e-131       0 HLA-DRB5
HLA-DQB1 4.004476e-134  1.121013 0.940 0.366 6.269007e-130       0 HLA-DQB1
HLA-DRB1 2.026996e-133  1.115709 0.992 0.452 3.173262e-129       0 HLA-DRB1
HLA-DPA1 3.492170e-130  1.099676 0.995 0.570 5.466992e-126       0 HLA-DPA1
> 
library（dplyr）
> spleen.markers %>% group_by(cluster) %>% top_n(2, avg_logFC)
# A tibble: 18 x 7
# Groups:   cluster [9]
       p_val avg_logFC pct.1 pct.2 p_val_adj cluster gene    
       <dbl>     <dbl> <dbl> <dbl>     <dbl> <fct>   <chr>   
 1 2.41e-189     1.59  0.974 0.258 3.77e-185 0       MS4A1   
 2 1.25e-177     1.49  0.971 0.27  1.95e-173 0       CD79A   
 3 1.59e-178     1.79  0.962 0.251 2.49e-174 1       CCL5    
 4 6.51e-142     1.54  0.645 0.086 1.02e-137 1       GZMK    
 5 3.79e- 76     1.24  0.709 0.223 5.93e- 72 2       CD83    
 6 1.22e- 54     0.893 0.752 0.341 1.91e- 50 2       IER5    
 7 1.69e- 64     0.898 0.888 0.36  2.65e- 60 3       TRAC    
 8 1.31e- 60     0.828 0.857 0.325 2.05e- 56 3       CD3D    
 9 2.97e- 49     0.837 0.817 0.291 4.64e- 45 4       IL7R    
10 7.52e- 42     0.933 0.942 0.786 1.18e- 37 4       SOD1    
11 2.46e-122     5.14  0.883 0.186 3.86e-118 5       S100A9  
12 4.08e-105     5.24  0.84  0.195 6.39e-101 5       S100A8  
13 2.26e- 61     2.13  0.758 0.179 3.53e- 57 6       CCL3    
14 2.87e- 15     1.92  0.570 0.295 4.49e- 11 6       HIST1H4C
15 3.58e-108     2.61  0.924 0.145 5.61e-104 7       GNLY    
16 8.12e-102     2.35  0.981 0.211 1.27e- 97 7       PRF1    
17 4.39e- 25     5.56  0.923 0.283 6.87e- 21 8       IGHG3   
18 1.65e- 19     5.22  0.897 0.332 2.59e- 15 8       IGHG1   

FeaturePlot(spleen, features.plot = c("MS4A1","CCL5","CD83","TRAC","IL7R","S100A9","CCL3","GNLY","IGHG3"),cols.use = c("grey","blue"),reduction.use = "tsne")

Markers.jpeg

寻找细胞类型

细胞标志物数据库CellMarker:
http://biocc.hrbmu.edu.cn/CellMarker
在CellMarker数据库上检索基因marker初步对应的细胞类型：

细胞类型.png

讨论

1. 调节tSNE参数：
可尝试选择不同的PC，如1-5；或者设置聚类细胞时FindClusters命令的resolution参数。
2. 寻找差异表达基因（Marker）：
发现这些细胞标志基因在检索的过程中存在很多问题，导致没有办法确认细胞类型：
①基本上没有脾脏组织的数据，因此参考了人肾脏、外周血、骨髓等的其他组织信息；
②有的一个Marker会对应到多个细胞类型，因此用两个Marker找共同的细胞类型，但效果也不是很理想——有的共同细胞类型有多个，因此无法确定；有的检索不到共同的细胞类型；
③不同cluster的marker会对应到同一类细胞。
原因：认为现有的数据可能还处于比较零散的阶段，该CellMarker数据库的数据量少，且比较凌乱。
可能的解决办法：看有没有更好的数据库；通过其他方式如文献检索的方式来确认细胞类型。