Seurat::DoHeatmap 的谜之报错

Seurat::DoHeatmap 的谜之报错

最近在学习Seurat教程(Seurat版本3.0.2),发现运行到倒数第二步做热图展示marker genes时总是报错

主要问题:

DoHeatmap(pbmc, features = top10$gene) + NoLegend()

运行结果:

Warning message:
In DoHeatmap(pbmc, features = top10$gene) :
The following features were omitted as they were not found in the scale.data slot for the RNA assay: NEAT1, SLC25A39, AC090498.1, CTSS, DNAJB1, HSP90AA1, PRF1, NKG7, KLRD1, CD8B, DUSP4, CD8A, CCL5, CD27, GZMK, CD69, TNFAIP3, ZFP36L2, IL7R

图片倒是生成了,但是数了一下基因数,确实少了很多,尤其是Cluster 0 和1,都没几个剩下的了


1565194413212.png

尝试自己调,一晚上也就调到这个程度:


1565194545049.png

好丑,还是继续研究下包里的代码吧/(ㄒoㄒ)/~~

DoHeatMap

看了一下代码,里面有这样一句:

  if (any(!features %in% possible.features)) {
    bad.features <- features[!features %in% possible.features]
    features <- features[features %in% possible.features]
    if (length(x = features) == 0) {
      stop("No requested features found in the ", 
           slot, " slot for the ", assay, " assay.")
    }
    warning("The following features were omitted as they were not found in the ", 
            slot, " slot for the ", assay, " assay: ", 
            paste(bad.features, collapse = ", "))

这个bad.features来自features和possible.feature的比对,之后判断若features内元素个数不为零则warning:"The following features were omitted as they were not found in the ······“

function (object, features = NULL, cells = NULL, group.by = "ident", 
          group.bar = TRUE, disp.min = -2.5, disp.max = NULL, slot = "scale.data", 
          assay = NULL, label = TRUE, size = 5.5, hjust = 0, angle = 45, 
          raster = TRUE, draw.lines = TRUE, lines.width = NULL, group.bar.height = 0.02, 
          combine = TRUE) 

往回找,原来DoHeatMap()有个默认参数slot = "scale.data",自动用scale.data的数据画图。
看一下这个Seurat对象的结构:


1565195235734.png

哈哈,发现问题了,原来counts (应该是raw read count)和data 都是20647行,每行对应一个基因,但scale.data只有2000行。

> pbmc <- ScaleData(
+   object = pbmc,
+   do.scale = TRUE,
+   do.center = FALSE,
+   vars.to.regress = c("percent.mt"))

重新ScaleData()一下,发现数据没有任何改变····

算了,试试用data作图:

DoHeatmap(pbmc, features = top10$gene,slot = "data") 
1565195494082.png

还是很难看,间接证明Seurat包开发者的可视化功力非同一般。但是没有报warning,而且可以看到消失的基因都出现了。

试试直接给scale.data赋值:

pbmc@assays$RNA@scale.data <- scale(pbmc@assays$RNA@data, scale = TRUE)
DoHeatmap(pbmc, features = top10$gene,size = 0.5,slot = "scale.data") + NoLegend()

这次也没有报warning,配色还是有点难看,大概是scale参数设置的不同,想完全复现可能还得查ScaleData的代码了。不过基本上能用了。增加了height,避免文字挤在一起,其实最好是保存成ggplot的对象,拼图的时候再改。

1565195816712.png

总结:

产生这个问题的主要原因是ScaleData()指令生成scale.data(封装在Seurat对象里)中基因数减少。

因为Seurat对象封装了好几层,并且对S4对象的操作也不太熟悉,所以一开始不太容易发现原因。

另外,操作多个Seurat对象时注意偶尔rm()+gc()清空内存,我24G内存都好几次99%内存占用(╯‵□′)╯︵┻━┻

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,406评论 6 503
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,732评论 3 393
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,711评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,380评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,432评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,301评论 1 301
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,145评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,008评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,443评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,649评论 3 334
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,795评论 1 347
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,501评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,119评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,731评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,865评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,899评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,724评论 2 354

推荐阅读更多精彩内容