Seurat | 解决了FindAllMarkers在大数据集上

  Seurat作为知名的单细胞数据分析框架，虽然很好用，但在大数据集一直存在速度上的短板，尤其在FindAllMarkers。所以其一直也在试图解决，比如通过引入feature多线程来加速，但做FindMarkers时效果没有想象中的那么好。但是，现在新版的Seurat再一次对速度动手了，在FindAllMarkers中引入了presto包来加速，这一次提升效果着实惊喜。

library(Seurat)
packageVersion('Seurat')
[1] ‘4.1.1’

obj <- readRDS('seurat_object.rds')
obj
An object of class Seurat
33469 features across 445809 samples within 1 assay
Active assay: RNA (33469 features, 2000 variable features)
 4 dimensional reductions calculated: pca, tsne, umap, harmony

length(unique(obj$celltype))
[1] 12

system.time(dge <- FindAllMarkers(obj))
Calculating cluster vCMs
  |++++                                              | 6 % ~03h 24m 54s

  四十多万个细胞要是使用FindAllMarkers来做差异分析，这一步预估需要三个多小时，这与少量细胞的秒出结果相比可谓是天壤之别了。即使可以通过feature多线程加速FindMarkers，效果也没好到哪去，而且还需要循环来完成所有细胞类型，因为不是直接加速FindAllMarkers。

library(future)
plan("multicore", workers = 12)

system.time(dge <- FindMarkers(obj, ident.1 = "B cells"))
user   system  elapsed
 123.768   44.450 1123.624

  设置12个核，单独跑一个细胞类型的差异基因需要20分钟左右，也不知道是不是没有设置好，这速度看起来并没有提升。

  但是，V5在presto的加持下速度明显提升很多，如果没有提前安装好presto包，运行时会有提示：

library(Seurat)
packageVersion('Seurat')
[1] ‘5.1.0’

system.time(dge <- FindAllMarkers(obj))
user   system  elapsed
1243.400  152.781 1399.859

  全部细胞类型的差异基因运行下来也就20分钟左右，这速度相比前面的3个多小时，确实省去了很多的等待时间。如果还想要更快，可以直接使用presto包里面的函数，速度直接起飞，时间由原先的半天直接下降到2分钟以内：

library(presto)

system.time(dge <- wilcoxauc(obj, group_by='celltype'))
user  system elapsed
 81.629   5.347  87.192