从不同细胞状态中推断分泌蛋白的信号活性，使用一个卵巢癌单细胞RNA测序 (scRNA-seq) 研究作为演示数据。利用SecAct评估CD4+ T细胞不同状态中分泌蛋白的信号活性。
加载scRNA-seq数据
CD4+ T 细胞的 scRNA-Seq 数据以 Seurat 对象的形式存储。该数据集中的CD4+ T 细胞注释了三种细胞状态：naive、central memory、helper 1-like。
library(SecAct)
library(Seurat)
# 加载 scRNA-Seq 数据
dataPath <- file.path(system.file(package="SecAct"), "extdata", "OV_scRNAseq_CD4.rds")
Seurat_obj <- readRDS(dataPath)
DimPlot(Seurat_obj, reduction = "umap", group.by = "Annotation")
推断分泌蛋白活性
加载数据后，可以将Seurat_obj输入到SecAct.activity.inference函数中，以推断不同细胞状态中分泌蛋白的信号活性。同时，需要指定Seurat对象meta数据中用于标注细胞状态的列名。如本例中的列名Annotation，即cellType_meta = "Annotation"。结果保存在 Seurat_obj@misc$SecAct_output$SecretedProteinActivity里面。
Seurat_obj <- SecAct.activity.inference.scRNAseq(Seurat_obj, cellType_meta="Annotation")
act <- Seurat_obj@misc$SecAct_output$SecretedProteinActivity$zscore
head(act, 3)
CD4_central_memory CD4_naive CD4_Th1_like
A1BG -3.9289583 0.7132339 2.5903414
A2M -0.4358692 0.8341311 -1.0056836
A2ML1 4.7994008 -3.0951559 0.6105559
推断出的蛋白活性是一个相对指标，正值表示在相应细胞状态中活性较高，负值表示活性较低。
可视化活性评分
可以使用 SecAct.heatmap.plot 函数可视化感兴趣的分泌蛋白。这里选取每个细胞状态中活性最高的前10个分泌蛋白 (SPs) 进行展示。
SPs.1 <- names(sort(act[,1], decreasing = TRUE))[1:10]
SPs.2 <- names(sort(act[,2], decreasing = TRUE))[1:10]
SPs.3 <- names(sort(act[,3], decreasing = TRUE))[1:10]
SPs <- c(SPs.1, SPs.2, SPs.3)
fg.mat <- act[SPs,]
SecAct.heatmap.plot(fg.mat)
