cellchat0-包安装和数据准备

原创

R小白

发布于 2023-05-10 10:16:47

2.9K2

发布于 2023-05-10 10:16:47

文章被收录于专栏：生信学习生信学习

学习，记录，分享。

细胞通讯学习-cellchat

1 安装依赖

按照官方文档说明，先安装4个依赖

NMF (>= 0.23.0)
circlize (>= 0.4.12)
ComplexHeatmap
UMAP（python包）

已经安装过的可以直接跳过。首先安装R包：

install.packages('NMF') #成功，可能会遇到缺少其他依赖包的报错，缺啥补啥就行
#如果遇到R版本报错，在R终端先运行以下代码：
Sys.setenv(R_REMOTES_NO_ERRORS_FROM_WARNINGS=TRUE)

#剩下两个包
devtools::install_github("jokergoo/circlize") #成功
devtools::install_github("jokergoo/ComplexHeatmap") #成功

安装python包：

pip install umap-learn #这个在终端运行，有的可能需要用pip3

2 安装cellchat

以上依赖都安装完后，使用以下代码安装cellchat:

devtools::install_github("sqjin/CellChat")

报错，CMake was not found on the PATH. Please install CMake.

因为我是用conda配置环境，这里用conda来安装:

conda install cmake

在R终端继续安装cellchat:

继续报错，缺少一堆依赖包：ERROR: dependencies ‘RSpectra’, ‘RcppEigen’, ‘ggpubr’, ‘BiocNeighbors’ are not available for package ‘CellChat’.

缺啥装啥：

BiocManager::install(c('RSpectra', 'RcppEigen', 'ggpubr', 'BiocNeighbors'))
#中间遇到依赖问题，conda解决
conda install r-RcppEigen r-ggpubr r-RSpectra -c conda-forge

安装好后继续安装cellchat：

遇到提示：pragma clang diagnostic pop；报错：r: no member named 'Rlog1p' in namespace 'std'; did you mean 'log1p'?r: no member named 'Rlog1p' in namespace 'std'; did you mean 'log1p'?

google后，在github查到这是M芯片的mac会有的问题:

R on ARM Mac M1:load failed for ‘stats’ and Rlog1p error #163

解决办法，终端运行：

export PKG_CPPFLAGS="-DHAVE_WORKING_LOG1P"

再打开R终端运行：

devtools::install_github("sqjin/CellChat")

3 准备数据

需要准备一个标注好细胞类型的单细胞数据，这里选择seurat官方的pbmc3k数据：

pbmc3k下载地址： https://cf.10xgenomics.com/samples/cell/pbmc3k/pbmc3k_filtered_gene_bc_matrices.tar.gz

seurat流程标注细胞类型：

library(tidyverse)
library(Seurat)

# 数据预处理和降维聚类
pbmc3k <- Read10X('../data/pbmc3k/filtered_gene_bc_matrices/hg19/') %>%
  CreateSeuratObject(project = 'pbmc3k', min.cells = 3, min.features = 200) %>%
  AddMetaData(., PercentageFeatureSet(., pattern = "^MT-"), col.name = 'percent.mt') %>%
  subset(subset = nFeature_RNA > 200 & nFeature_RNA < 2500 & percent.mt < 5) %>%
  NormalizeData() %>%
  FindVariableFeatures() %>%
  ScaleData() %>%
  RunPCA() %>%
  FindNeighbors(dims = 1:10) %>%
  FindClusters(resolution = 0.5) %>%
  RunUMAP(dims = 1:10)

DimPlot(pbmc3k, label = T)
ggsave('plot/pbmc3k_orig_umap.png')

# 标注
new.cluster.ids <- c("Naive CD4 T", "CD14+ Mono", "Memory CD4 T", "B", "CD8 T", "FCGR3A+ Mono",
                     "NK", "DC", "Platelet")
names(new.cluster.ids) <- levels(pbmc3k)
pbmc3k <- RenameIdents(pbmc3k, new.cluster.ids)
DimPlot(pbmc3k, reduction = "umap", label = TRUE, pt.size = 0.5) + NoLegend()
ggsave('plot/pbmc3k_anno_umap.png')

# 保存数据
write_rds(pbmc3k, 'data/pbmc3k_anno.rds')