scMetabolism单细胞代谢分析R包安装与使用指南

scMetabolism是一个专门用于在单细胞分辨率下量化代谢活性的R语言包。该工具能够帮助研究人员分析单细胞RNA测序数据，深入了解细胞内的代谢活动，支持人类scRNA-seq数据分析，并提供多种可视化功能。

安装准备

在安装scMetabolism之前，请确保系统已安装以下必要的软件和依赖包：

• R语言环境（建议版本 >= 4.0）
• RStudio（可选，推荐使用）
• 以下R包：devtools、data.table、wesanderson、Seurat、AUCell、GSEABase、GSVA、ggplot2、rsvd

详细安装步骤

步骤1：安装基础R包

打开R或RStudio，执行以下命令安装基础依赖包：

install.packages(c("devtools", "data.table", "wesanderson", "Seurat", "AUCell", "GSEABase", "GSVA", "ggplot2", "rsvd"))

步骤2：安装VISION包

scMetabolism依赖特定版本的VISION包，需要从GitHub安装：

devtools::install_github("YosefLab/VISION@v2.1.0")

步骤3：安装scMetabolism

通过GitHub安装scMetabolism包：

devtools::install_github("wu-yc/scMetabolism")

步骤4：验证安装

安装完成后，通过加载包来验证安装是否成功：

library(scMetabolism)

如果没有错误提示，说明安装成功。

快速开始使用

加载包和示例数据

首先加载必要的包和示例数据。示例数据来自10X Genomics的PBMC数据集：

load(file = "pbmc_demo.rda")
library(scMetabolism)
library(ggplot2)
library(rsvd)

量化单细胞代谢活性

使用Seurat对象进行代谢活性量化：

countexp_Seurat <- sc_metabolism_Seurat(
  obj = countexp_Seurat, 
  method = "AUCell", 
  imputation = FALSE, 
  ncores = 2, 
  metabolism_type = "KEGG"
)

参数说明：

• obj：包含UMI计数矩阵的Seurat对象
• method：支持VISION、AUCell、ssgsea和gsva方法
• imputation：是否在代谢评分前进行数据插补
• ncores：并行计算线程数
• metabolism_type：支持KEGG（85条代谢通路）和REACTOME（82条代谢通路）

提取代谢评分矩阵

metabolism_matrix <- countexp_Seurat@assays$METABOLISM$score

数据可视化

维度图可视化

展示特定代谢通路在细胞群中的分布：

DimPlot_metabolism(
  obj = countexp_Seurat, 
  pathway = "Glycolysis / Gluconeogenesis", 
  dimention_reduction_type = "umap", 
  dimention_reduction_run = FALSE, 
  size = 1
)

点图可视化

比较多个代谢通路在不同细胞类型中的表达：

input_pathway <- c("Glycolysis / Gluconeogenesis", "Oxidative phosphorylation", "Citrate cycle (TCA cycle)")
DotPlot_metabolism(
  obj = countexp_Seurat, 
  pathway = input_pathway, 
  phenotype = "ident", 
  norm = "y"
)

箱线图可视化

展示代谢通路得分的分布情况：

BoxPlot_metabolism(
  obj = countexp_Seurat, 
  pathway = input_pathway, 
  phenotype = "ident", 
  ncol = 1
)

非Seurat环境使用

scMetabolism也支持在非Seurat环境下使用：

metabolism_matrix <- sc_metabolism(
  countexp = countexp, 
  method = "AUCell", 
  imputation = FALSE, 
  ncores = 2, 
  metabolism_type = "KEGG"
)

其中countexp是数据框格式的UMI计数矩阵（列为细胞ID，行为基因名）。

技术支持与引用

scMetabolism由复旦大学肝癌研究所高强教授团队开发。如遇技术问题，请联系吴迎成博士（[e-mail]）。

使用该工具时请引用相关文献：

• Wu Y, et al. Spatiotemporal Immune Landscape of Colorectal Cancer Liver Metastasis at Single-Cell Level. Cancer Discovery. 2021.

scMetabolism整合了多种算法和基因集，包括DeTomaso等人的VISION方法、Aibar等人的AUCell算法等，为单细胞代谢分析提供了全面的解决方案。