当前位置：首页 > news >正文

single cell ATAC(11)ArchR鉴定标记Peak

news 2025/8/19 9:59:39

第十一章「一句话 + 一张图」速记卡

3 分钟回忆整章内容

一、一句话流程

拿第十章的 PeakMatrix → 用 getMarkerFeatures() 一条函数：既能无监督找 marker peaks，也能做两组差异检验 → 结果一键热图 / MA / 火山 / Browser 可视化。

二、ASCII 流程图

PeakMatrix
│
├─ 无监督（所有细胞类型互比）
│   └─ getMarkerFeatures()
│        ├─ markersPeaks
│        ├─ getMarkers() ──► markerList / GRanges
│        ├─ markerHeatmap()
│        ├─ markerPlot(MA / Volcano)
│        └─ plotBrowserTrack()
│
└─ 有监督（指定 use vs bgd）└─ getMarkerFeatures(useGroups="A", bgdGroups="B")└─ markerTest ──► 同上可视化

三、常用代码模板（复制即用）

通常而言，我们想知道哪些peak是某个聚类或者某一些聚类所特有的。在ArchR中，这可以通过设置addMarkFeatures()函数的useMatrix="PeakMatrix"来实现（无需监督）。

首先，我们需要再看一眼projHeme5中有哪些细胞类型，以及它们的相对比例

11.1 鉴定Marker Peak ASCII 流程图（含中文注释）
------------------------------------------------
projHeme5（ArchR项目）│├─ table(Cluster2)             # 1. 查看各细胞类型及占比│├─ getMarkerFeatures()         # 2. 无监督鉴定标记Peak│   ├─ useMatrix = "PeakMatrix"  # 使用Peak计数矩阵│   ├─ groupBy   = "Clusters2"   # 按Cluster2分组│   ├─ bias      = c("TSSEnrichment","log10(nFrags)")  # 校正TSS富集与片段数│   └─ testMethod= "wilcoxon"    # 统计检验方法│        ↓│   SummarizedExperiment (markersPeaks)  # 3. 返回结果对象│        ││        ├─ getMarkers(cutOff="FDR<=0.01 & Log2FC>=1")  # 4a. DataFrame列表│        │      ↓│        ├─ markerList (DataFrame List)│        │   └─ $Erythroid   # 提取Erythroid组的标记Peak│        └─ getMarkers(returnGR=TRUE)  # 4b. 返回GRangesList│              ↓│        GRangesList│            └─ $Erythroid   # 直接用于下游分析（如motif）│
11.2 可视化│├─ markerHeatmap()            # 5. 绘制Marker Peak热图│     ├─ seMarker = markersPeaks│     ├─ cutOff   = "FDR<=0.1 & Log2FC>=0.5"│     └─ transpose= TRUE      # 行列转置│         ↓└─ plotPDF(heatmap, name="Peak-Marker-Heatmap")  # 6. 保存PDF

1. 无监督 marker peaks

markers <- getMarkerFeatures(proj, useMatrix="PeakMatrix", groupBy="celltype",bias=c("TSSEnrichment","log10(nFrags)")
)
markerGR <- getMarkers(markers,cutOff="FDR<=0.01 & Log2FC>=1",returnGR=TRUE)

2. 两组差异

diff <- getMarkerFeatures(proj, useMatrix="PeakMatrix", groupBy="celltype",useGroups="A", bgdGroups="B",bias=c("TSSEnrichment","log10(nFrags)"),testMethod="wilcoxon"
)

3. 四连可视化

heatmap <- markerHeatmap(markers,cutOff="FDR<=0.1 & Log2FC>=0.5", transpose=TRUE)
plotPDF(heatmap, name="Peak-Marker-Heatmap")pma <- markerPlot(markers, name="A", plotAs="MA")
pv  <- markerPlot(markers, name="A", plotAs="Volcano")
plotPDF(pma, pv, name="A-Markers-MA-Volcano")bt <- plotBrowserTrack(proj, geneSymbol="GATA1",features=markerGR["A"], up=50e3, down=50e3)
grid::grid.draw(bt$GATA1)
plotPDF(bt, name="Browser-With-Markers")

四、关键参数速查

参数	作用
`useMatrix="PeakMatrix"`	指定用 peak 级计数
`bias=`	校正 TSS 富集、测序深度等协变量
`cutOff=`	`getMarkers` 时同时筛 FDR & Log2FC
`returnGR=TRUE`	输出 GRangesList，直接衔接 motif 分析