Symphony：单细胞参考图谱映射工具

1. 项目介绍

Symphony是一款用于单细胞参考图谱映射的工具，旨在提供高效、精确的单细胞数据映射分析。该工具通过将现有的Harmony对象压缩成Symphony参考，使用户能够将查询数据映射到预构建的参考图谱上，从而进行单细胞数据的分析。

2. 项目快速启动

在开始使用Symphony之前，确保您的系统已安装了R语言环境及必要的依赖包。以下是如何安装Symphony的步骤：

# 安装Symphony
install.packages("devtools")
devtools::install_github("immunogenomics/symphony")

快速启动示例

以下是一个快速启动Symphony的示例，从构建参考图谱到映射查询数据：

# 加载Symphony包
library(symphony)

# 假设ref_exp是参考表达矩阵，ref_metadata是相应的元数据
# 以下代码是示例，实际数据需要替换
ref_exp <- matrix(rnorm(1000), nrow=100, ncol=10)
ref_metadata <- data.frame(donor=rep(1:10, each=10))

# 构建参考图谱
reference <- buildReference(
  ref_exp,
  ref_metadata,
  vars="donor",
  K=100,
  verbose=TRUE,
  do_umap=TRUE
)

# 假设query_exp是查询表达矩阵，query_metadata是相应的元数据
# 以下代码是示例，实际数据需要替换
query_exp <- matrix(rnorm(1000), nrow=50, ncol=10)
query_metadata <- data.frame(donor=rep(1:10, each=5))

# 映射查询数据
query <- mapQuery(
  query_exp,
  query_metadata,
  reference,
  vars=NULL,
  do_normalize=FALSE,
  do_umap=TRUE
)

# 查看映射结果
print(query$Z)

3. 应用案例和最佳实践

Symphony适用于单细胞数据集的整合和映射分析。以下是一些应用案例和最佳实践：

• 案例1： 使用Symphony将多个单细胞数据集映射到一个统一的参考图谱上，以便进行跨数据集的比较分析。
• 案例2： 在单细胞数据中检测批次效应，并使用Symphony进行整合，以减少批次效应的影响。

最佳实践建议：

• 在构建参考图谱时，确保使用了足够的数据和合适的参数，以获得稳定的映射结果。
• 映射查询数据时，如果查询数据存在批次效应，应在vars参数中指定批次变量进行整合。

4. 典型生态项目

Symphony作为单细胞数据整合工具，是单细胞生态系统中的一部分。以下是与Symphony相互配合的典型生态项目：

• Harmony： Symphony依赖于Harmony算法进行数据整合，因此Harmony的改进可以直接提升Symphony的性能。
• Seurat： Seurat是单细胞数据常用的分析工具，Symphony生成的映射结果可以与Seurat无缝集成，进行后续分析。

通过以上介绍，您可以开始使用Symphony进行单细胞数据的整合和映射分析。更多信息，请参考官方文档和教程。