不同分群的多个单细胞样本整合

Question

我想将四个单细胞样本整合在一起进行分析，但是每个单细胞样本单独分析得到的细胞群各有差异，这样的样本能整合吗？

Answer 1

让【宝码香车】来帮你解答，本回答参考DeepSeek编写，并整理提供。
如果还有疑问可以点击头像关注私信或评论。如果答案让您满意，请采纳、点赞、关注，非常感谢！

单细胞样本整合分析指南

是的，不同分群的多个单细胞样本是可以整合的，这正是单细胞分析中常见的挑战之一。以下是整合分析的详细方法和建议：

1. 整合前的准备工作

# 检查每个样本的质量
library(Seurat)
sample1 <- CreateSeuratObject(counts = sample1_counts)
sample2 <- CreateSeuratObject(counts = sample2_counts)
sample3 <- CreateSeuratObject(counts = sample3_counts)
sample4 <- CreateSeuratObject(counts = sample4_counts)

# 分别进行基础QC和标准化
samples <- list(sample1, sample2, sample3, sample4)
samples <- lapply(samples, function(x) {
  x <- NormalizeData(x)
  x <- FindVariableFeatures(x, selection.method = "vst", nfeatures = 2000)
})

2. 样本整合方法

2.1 使用Seurat的整合流程

# 找到整合锚点
anchors <- FindIntegrationAnchors(object.list = samples, dims = 1:30)

# 整合数据
combined <- IntegrateData(anchorset = anchors, dims = 1:30)

# 后续分析
combined <- ScaleData(combined)
combined <- RunPCA(combined, npcs = 30)
combined <- RunUMAP(combined, reduction = "pca", dims = 1:30)

2.2 使用Harmony进行整合

library(harmony)
# 先合并数据但不整合
combined <- merge(sample1, y = c(sample2, sample3, sample4))

# 运行Harmony
combined <- RunHarmony(combined, group.by.vars = "orig.ident")
combined <- RunUMAP(combined, reduction = "harmony", dims = 1:30)

3. 整合后的验证

# 检查批次效应去除情况
library(ggplot2)
DimPlot(combined, reduction = "umap", group.by = "orig.ident") + 
  ggtitle("Integrated Samples")

# 检查已知标记基因的表达是否一致
FeaturePlot(combined, features = c("CD3D", "CD19", "CD14", "MS4A1"))

4. 注意事项

1. 预处理一致性：确保所有样本使用相同的QC标准
2. 整合参数调整：可能需要调整dims参数和k.anchor等参数
3. 细胞类型注释：建议在整合后再进行细胞类型注释
4. 差异分析：整合后可使用FindConservedMarkers进行保守标记基因分析

5. 替代方案

如果整合效果不理想，也可以考虑：

# 使用CCA方法
combined <- RunMultiCCA(samples, genes.use = VariableFeatures(samples[[1]]))

整合不同分群的样本确实具有挑战性，但通过上述方法通常能得到较好的结果。关键是要验证整合后生物信号是否保留而技术差异被消除。