细胞类型重复性验证----MetaNeighbor（3）

继续上面MetaNeighbor 2的学习，我们做第三组场景的测试，来测试不同基因集的选择对于结果的影响。

========测试数据3============

go_sets <- readRDS("go_mouse.rds")

biccn_gaba <- readRDS("biccn_gaba.rds")

dim(biccn_gaba)

下面，我们就从GO里面筛选数据集出现的基因。作者paper中建议：10-100个之间。

known_genes <- rownames(biccn_gaba)

go_sets <- lapply(go_sets,function(gene_set){

                  gene_set[gene_set %in% known_genes]}

)

min_size=10

max_size=100

go_set_size <- sapply(go_sets,length)

go_sets <- go_sets[go_set_size >= min_size & go_set_size <= max_size]

筛选完基因，下面就是用用户提供的参考基因集，进行MetaNeighbor的运行了，其实和前面类似。

aurocs <- MetaNeighbor(dat = biccn_gaba,

                      experiment_labels = biccn_gaba$study_id,

                      celltype_labels = biccn_gaba$joint_subclass_label,

  genesets=go_sets,

  fast_version=TRUE,

  bplot=FALSE,batch_size=50)

write.table(aurocs,"functional_aurocs.txt")

结果就是，利用不同GO里面的基因集，各个study的AUROC。

plotBPlot(head(aurocs,100))

我们把前100个数据画成小提琴图看下。从结果可看出，大多数基因集对可重复性的贡献很小（AUROC~0.7），许多基因集的性能接近随机（AUROC ~0.5–0.6），一些基因集具有极高的性能（AUROC>0.8）。

然后，我们看下排名较高的基因集是那些。

gs_size <- sapply(go_sets,length)

aurocs_df <- data.frame(go_term=rownames(aurocs),aurocs)

aurocs_df$average <- rowMeans(aurocs)

aurocs_df$n_genes <- gs_size[rownames(aurocs)]

从排名较高的前10个GO可以看出，主要是那些和inhibitory neruons相关的基因。

也可以像单细胞数据一样查看GO下面的每个基因在不同study里面的平均表达值，从而观察这些基因在每个组间的特异性。