Seurat、Harmony和LIGER：三位一体的单细胞整合指南

2023-12-13 20:45:58

整合单细胞数据的强大工具：Seurat、Harmony 和 LIGER

探索单细胞整合的广阔领域

单细胞技术在生物学研究中掀起了一场革命，使我们能够以前所未有的分辨率审视细胞异质性。然而，将来自不同平台和实验条件的数据整合在一起以获得更全面的生物学见解，仍然是一个挑战。

Seurat：单细胞分析的基石

Seurat 是一款备受推崇的单细胞 RNA 测序 (scRNA-seq) 分析平台，提供了一系列强大的工具，用于可视化、聚类和差异表达分析。其独特的“锚”方法利用共享细胞类型来对齐和合并不同的数据集，使其特别适合整合具有相似细胞成分的数据。

Harmony：消除数据差异的和谐之音

Harmony 专注于异构数据整合，使用“批次校正”技术消除技术变异和批次效应。这种方法可以将来自不同平台和技术的异质数据标准化，从而使它们更易于比较和分析。

LIGER：多模态数据融合的先驱

LIGER 是一款较新的整合工具，它专攻多模态数据集的整合。除了 scRNA-seq 数据，它还可以处理来自单细胞 ATAC-seq、蛋白质组学和其他平台的数据类型。这种多模态集成提供了一种更全面的生物学视角，揭示了不同组学层面之间的联系。

何时选择哪种整合工具

最佳整合工具的选择取决于研究目标和数据集的特性。以下是一些指导原则：

相似细胞类型数据集的单模态整合： Seurat 的“锚”方法是理想的选择。
异构数据集的跨平台整合： Harmony 的批次校正功能可以有效处理技术变异。
多模态数据集的整合： LIGER 是多模态整合的首选，因为它可以容纳多种数据类型。

代码示例

整合来自不同平台的两个 scRNA-seq 数据集：

import scanpy as sc
import harmony

# 加载数据集
adata1 = sc.read_10x_h5('dataset1.h5')
adata2 = sc.read_smartseq2('dataset2.h5')

# 批次校正
adata_combined = harmony.run_harmony(adata1, adata2, batch_key='platform')

# 锚对齐
adata_combined = sc.pp.anchor(adata_combined, batch_key='platform')
adata_combined = sc.pp.neighbors(adata_combined)
adata_combined = sc.tl.louvain(adata_combined)