scCancer–你的肿瘤单细胞包转录组表分析师！

你知道有一个工具可以帮助你分析肿瘤单细胞的转录组吗？甚至这个工具可以直接帮你生成分析报表嘛？今天小果就带大家来认识这个操作简单，效率又极高的R工具包，学会后可以直接成为你的分析助理哦！现在大家就跟着小果一起来看看吧！

安装scCancer

是的没错，今天要带大家认识并学习的R工具包就是scCancer，首先让我们来一起学习下如何安装吧！小果在这里整理了两种安装方法，各位同鞋根据自己的情况自行选择下载哦！

• 通过Bioconductor下载

BiocManager::install(‘scCancer’)

直接通过Bioconductor下载的同学要注意啦！这样下载对你的R版本是有要求的哦，如果版本不匹配会报以下错误信息，小果第一次在下载的时候就遇到了这样的问题。

所以，小果有找到一种更不容易出错的下载方法：

• 通过github下载

install_github(‘linxihui/NNLM’)
install_github(“wguo-research/scCancer”)

这里小果温馨提示，通过gihub下载之前要通过github先下载好NNLM包哦，不然下载scCancer包的过程也会报错导致无法正常完成下载哦！

scCancer自动生成肿瘤细胞分析报表

• 下载单样本数据

在进入我们带的分析流程之前，小果为大家贴出以下数据连接作为我们分析的参考数据：http://lifeome.net/software/sccancer/KC-example.tar.gz

同学们赶紧跟着小果一起下载起来吧！~~~

下载好后，同学们要把这些数据解压在自己合适的工作目录下哦，并打开我们的数据文件夹，下面小果来带着大家一起认识一下这些数据的主要内容吧！

> list.files(“./sample”,recursive = T)
[1] “KC-example/filtered_feature_bc_matrix/barcodes.tsv.gz”
[2] “KC-example/filtered_feature_bc_matrix/features.tsv.gz”
[3] “KC-example/filtered_feature_bc_matrix/matrix.mtx.gz”
[4] “KC-example/raw_feature_bc_matrix/barcodes.tsv.gz”
[5] “KC-example/raw_feature_bc_matrix/features.tsv.gz”
[6] “KC-example/raw_feature_bc_matrix/matrix.mtx.gz”

首先，我们下载的数据均为单样本数据，其中raw_feature_bc_matrix代表过滤前的单细胞表达数据，filtered_feature_bc_matrix 代表过滤后的单细胞表达数据。

• 开始分析

现在我们完成了R包的安装和数据集的导入，小果要告诉你的是，其实我们已经完成了一大部分工作，因为scCancer可以自己完成肿瘤细胞的全分析流程，并为我们生成完整的分析报表在我们的结果目录中，我们接下来要做的就是配置所有的数据合保存路径即可，接下来我们一起来看一下如何操作吧！

dataPath <- “./data/sample”     #设置输入的单细胞数据存放的路径
savePath <- “./results” #设置最后结果存放的目录
sampleName <- “sample”         #细胞总名称
authorName <- “coucou”           #报表作者名称，根据自己的修改哈
​
stat.results <- runScStatistics(
dataPath = dataPath,
savePath = savePath,
sampleName = sampleName,
authorName = authorName
)

以上的操作我们是基于runScStatistics 来计算QC过滤指标，scCancer会帮助我们生成完整的报表，整个分析流程大概序列要2~3分钟左右。

最后可以在结果文件中找到report-scStat.html查看所有分析结果，是不是特别简单高效！

在最后的报表中，我们可以看到对肿瘤细胞中的肿瘤微环境分析、恶性细胞评估、细胞周期评估、干细胞特征评估、基因集信息得分评估、表达程序识别、细胞间相互作用分析等信息，同学们只要从中提取对自己的研究有用的信息即可！

部分报表展示：

好啦，今天的小工具你学会了嘛？

更多生信工具的学习敬请继续关注小果哦！！