scCODE( single-cell consensus optimization of differentially expressed gene detection)是由复旦大学附属金山医院邹欣等人开发的R包工具，于2022年12月发表于Briefing in Bioinformatics；该工具对多种差异基因分析策略进行了集成、整合，用于鉴定鲁棒性的单细胞差异基因。用法比较简单，简单记录如下。

  • Paper：https://academic.oup.com/bib/article-abstract/23/5/bbac180/6590434?redirectedFrom=fulltext
  • Github：https://github.com/XZouProjects/scCODE
image-20230430141612651

1、安装R包

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

necessary1 <- c('doParallel', 'samr','doSNOW','pls')

installed <- necessary1 %in% installed.packages()[, 'Package']


if (length(necessary1[!installed]) >=1){

  install.packages(necessary1[!installed])

 }

necessary2<-c('DESeq2', 'DEsingle', 
          'edgeR', 'limma', 'MAST', 'S4Vectors', 'scDD', 'scmap', 'SingleCellExperiment', 'SummarizedExperiment')
          
          
installed <- necessary2 %in% installed.packages()[, 'Package']


if (length(necessary2[!installed]) >=1){

  if (!requireNamespace("BiocManager", quietly = TRUE))

    install.packages("BiocManager")

    library(BiocManager)

    BiocManager::install(necessary2[!installed])

  }

install.packages("BPSC_0.99.2.tar.gz", repos = NULL, type="source")
install.packages("OGFSC_0.2.3.tar.gz", repos = NULL, type="source")
install.packages("scCODE_1.2.0.0.tar.gz", repos = NULL, type="source")

2、差异基因分析

  • （1）准备两组单细胞样本的count表达矩阵
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

library(scCODE)
data1<-data1_sccode
data1[1:4,1:4]
#               [,1] [,2] [,3]    [,4]
# Gnai3 12336.737462    0    0 5399.62
# Cdc45     0.000000    0    0    0.00
# Narf      0.000000    0    0    0.00
# Scmh1     8.639172    0    0    0.00
dim(data1)
# [1] 13045   139
data2<-data2_sccode
dim(data2)
# [1] 13045   323
  • （2）差异分析

    • 默认light模式下，使用5种策略进行分析；再统计每种策略的判断结果。

    • 如果一个基因的5种结果均判断为显著差异基因，则相对更可靠。

    • 在linux端使用时，出现类似OpenBLAS blas_thread_init: pthread_create failed for thread 60 of 128: Resource temporarily unavailable报错，经查在shell命令行设置如下参数可正常使用。

      1
2
3

      export OPENBLAS_NUM_THREADS=2
export GOTO_NUM_THREADS=2
export OMP_NUM_THREADS=2

1
2
3
4
5
6

results<-scCODE(data1,data2,light = TRUE,top_ranked=5)
deg = results$DE_results
table(deg$Detected_times)
#   1    2    3    4    5 
# 360 1287  132  496  917 
head(deg)

image-20230430142746957