首页
/ Seurat中使用Harmony进行批次效应校正的最佳实践

Seurat中使用Harmony进行批次效应校正的最佳实践

2025-07-01 17:13:51作者:吴年前Myrtle

概述

在单细胞RNA测序数据分析中,批次效应是一个常见的技术变异来源。Seurat作为单细胞分析的主流工具,提供了多种批次效应校正方法,其中Harmony因其高效和易用性而广受欢迎。本文将详细介绍在Seurat工作流中整合使用Harmony进行数据整合的方法和注意事项。

Harmony集成的基本流程

1. 数据准备与预处理

首先需要将原始数据按照批次变量进行分割。例如,如果批次信息存储在"Method"列中:

obj[["RNA"]] <- split(obj[["RNA"]], f = obj$Method)

然后进行标准的预处理步骤:

  • 数据标准化(NormalizeData)
  • 寻找高变基因(FindVariableFeatures)
  • 数据缩放(ScaleData)
  • PCA降维(RunPCA)

2. 使用IntegrateLayers进行Harmony整合

预处理完成后,可以直接调用IntegrateLayers函数进行Harmony整合:

obj <- IntegrateLayers(
  object = obj, 
  method = HarmonyIntegration,
  orig.reduction = "pca", 
  new.reduction = "harmony",
  verbose = FALSE
)

3. 下游分析

整合完成后,可以进行UMAP降维和聚类分析:

obj <- RunUMAP(obj, reduction = "harmony", dims = 1:30, reduction.name = "umap.harmony")

4. 数据清理

最后建议进行数据清理以释放内存:

obj <- JoinLayers(obj)
obj[["RNA"]]$scale.data <- NULL

直接使用harmony包的替代方案

除了通过Seurat的IntegrateLayers接口,也可以直接调用harmony包:

# 合并数据集
obj_1 = merge(x=o1, y=o2)

# 标准预处理
obj_1 = NormalizeData(obj_1)
obj_1 = FindVariableFeatures(obj_1)
obj_1 = ScaleData(obj_1)
obj_1 = RunPCA(obj_1)

# 直接调用RunHarmony,指定批次变量
obj_1 = RunHarmony(obj_1, c("dataset","flowcell"))

# 下游分析
obj_1[["RNA"]] = JoinLayers(obj_1[["RNA"]])
obj_1 = FindNeighbors(obj_1, dims = 1:20, reduction = "harmony")
obj_1 = FindClusters(obj_1)
obj_1 = RunUMAP(obj_1, dims = 1:20, reduction = "harmony")

方法比较与选择

  1. IntegrateLayers方法

    • 更符合Seurat的工作流
    • 自动处理批次信息
    • 适合Seurat v5的层级数据结构
  2. 直接RunHarmony方法

    • 更灵活,可以指定多个批次变量
    • 适合需要精细控制的情况
    • 适合熟悉harmony包的用户

注意事项

  1. 批次变量的选择至关重要,应该基于实验设计和技术因素确定。

  2. 在整合前后都应该检查数据质量,可以通过批次混合指标或可视化评估整合效果。

  3. 对于大型数据集,Harmony通常比CCA等方法更高效,但仍需注意内存使用。

  4. 整合后的数据通常用于降维和聚类,但不建议直接用于差异表达分析。

通过合理应用Harmony整合方法,可以有效地消除单细胞数据中的批次效应,使不同实验条件下的细胞能够被准确比较和分析。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8