<meta charset="utf-8">
<article class="_2rhmJa">
1. 原理介紹
官網：https://github.com/immunogenomics/harmony
（Harmony必須在R版本3.4以上運行，支持 Linux, OS X, and Windows 平臺。）
文章：https://www.biorxiv.org/content/early/2018/11/04/461954
harmony算法與其他整合算法相比的優勢：
（1）整合數據的同時對稀有細胞的敏感性依然很好；
（2）省內存；
（3）適合于更復雜的單細胞分析實驗設計，可以比較來自不同供體，組織和技術平臺的細胞。
基本原理：我們用不同顏色表示不同數據集，用形狀表示不同的細胞類型。首先，Harmony應用主成分分析（一文看懂PCA主成分分析）將轉錄組表達譜嵌入到低維空間中，然后應用迭代過程去除數據集特有的影響。
（A）Harmony概率性地將細胞分配給cluster，從而使每個cluster內數據集的多樣性最大化。
（B）Harmony計算每個cluster的所有數據集的全局中心，以及特定數據集的中心。
（C）在每個cluster中，Harmony基于中心為每個數據集計算校正因子。
（D）最后，Harmony使用基于C的特定于細胞的因子校正每個細胞。由于Harmony使用軟聚類，因此可以通過多個因子的線性組合對其A中進行的軟聚類分配進行線性校正，來修正每個單細胞。
重復步驟A到D，直到收斂為止。聚類分配和數據集之間的依賴性隨著每一輪的減少而減小。
2. 操作演示
R包安裝
library(devtools)
install_github("immunogenomics/harmony")
安裝過程可能包括從源代碼編譯C++代碼，因此可能需要幾分鐘。
下載稀疏矩陣示例(https://www.dropbox.com/s/t06tptwbyn7arb6/pbmc_stim.RData?dl=1)
library(Seurat)
library(cowplot)
library(harmony)
load('data/pbmc_stim.RData') #加載矩陣數據
#在運行Harmony之前，創建一個Seurat對象并按照標準PCA進行分析。
pbmc <- CreateSeuratObject(counts = cbind(stim.sparse, ctrl.sparse), project = "PBMC", min.cells = 5) %>%
Seurat::NormalizeData(verbose = FALSE) %>%
FindVariableFeatures(selection.method = "vst", nfeatures = 2000) %>%
ScaleData(verbose = FALSE) %>%
RunPCA(pc.genes = pbmc@var.genes, npcs = 20, verbose = FALSE) #R語言中%>%的含義是什么呢，管道函數啦，就是把左件的值發送給右件的表達式，并作為右件表達式函數的第一個參數。
pbmc@meta.data$stim <- c(rep("STIM", ncol(stim.sparse)), rep("CTRL", ncol(ctrl.sparse)))#賦值條件變量
未經校正的PC中的數據集之間存在明顯差異：
options(repr.plot.height = 5, repr.plot.width = 12)
p1 <- DimPlot(object = pbmc, reduction = "pca", pt.size = .1, group.by = "stim")
p2 <- VlnPlot(object = pbmc, features = "PC_1", group.by = "stim", pt.size = .1)
plot_grid(p1,p2)
Run Harmony
運行Harmony的最簡單方法是傳遞Seurat對象并指定要集成的變量。RunHarmony返回Seurat對象，并使用更正后的Harmony坐標（使用Harmony代替PCA）。將plot_convergence設置為TRUE，這樣我們就可以確保Harmony目標函數在每一輪中都變得更好。
RunHarmony函數中主要參數：
- group.by.vars參數是設置按哪個分組來整合
- max.iter.harmony設置迭代次數，默認是10。運行RunHarmony結果會提示在迭代多少次后完成了收斂。
- ??
lambda參數，默認值是1，決定了Harmony整合的力度。lambda值調小，整合力度變大，反之。（只有這個參數影響整合力度，調整范圍一般在0.5-2之間）- ??
theta參數：Diversity clustering penalty parameter. Specify for each variable in group.by.vars. Default theta=2. theta=0 does not encourage any diversity. Larger values of theta result in more diverse clusters. 這個參數我常用默認值，但在不同文獻中這個參數往往不同。- ??
dims.use參數：Which PCA dimensions to use for Harmony. By default, use all.- sigma參數：Width of soft kmeans clusters. Default sigma=0.1. Sigma scales the distance from a cell to cluster centroids. Larger values of sigma result in cells assigned to more clusters. Smaller values of sigma make soft kmeans cluster approach hard clustering.
options(repr.plot.height = 2.5, repr.plot.width = 6)
pbmc <- pbmc %>%
RunHarmony("stim", plot_convergence = TRUE) #Harmony converged after 8 iterations
Harmory運行后的結果儲存在：
pbmc@reductions$harmony
使用Embeddings命令訪問新的Harmony embeddings。
harmony_embeddings <- Embeddings(pbmc, 'harmony')
harmony_embeddings[1:5, 1:5]
讓我們查看確認數據集在Harmony運行之后的前兩個維度中得到很好的整合。
options(repr.plot.height = 5, repr.plot.width = 12)
p1 <- DimPlot(object = pbmc, reduction = "harmony", pt.size = .1, group.by = "stim")
p2 <- VlnPlot(object = pbmc, features = "harmony_1", group.by = "stim", pt.size = .1)
plot_grid(p1,p2)
Downstream analysis
許多下游分析是在低維嵌入而不是基因表達上進行的。要使用校正后的Harmony embeddings而不是PC，設置reduction ='harmony'。
pbmc <- pbmc %>%
RunUMAP(reduction = "harmony", dims = 1:20) %>%
FindNeighbors(reduction = "harmony", dims = 1:20) %>%
FindClusters(resolution = 0.5) %>%
identity()
在UMAP embedding中，我們可以看到更復雜的結構。由于我們使用harmony embeddings，因此UMAP embeddings混合得很好。
options(repr.plot.height = 4, repr.plot.width = 10)
DimPlot(pbmc, reduction = "umap", group.by = "stim", pt.size = .1, split.by = 'stim')
TSNE分析
pbmc=RunTSNE(pbmc,reduction = "harmony", dims = 1:20)
TSNEPlot(object = pbmc, pt.size = 0.5, label = TRUE,split.by='stim')
兩樣本合并的TSNE和UMAP圖
DimPlot(pbmc, reduction = "umap",pt.size = .1, label = TRUE)
TSNEPlot(pbmc, pt.size = .1, label = TRUE)
隨后就可以尋找差異表達基因并對細胞進行注釋。
3. 關于Harmony操作是否會對差異分析產生影響
Harmony輸入的是scRNA@reductionsharmony中。
而差異分析使用的是scRNA@assays$RNA@counts數據，互不影響。
4. 多樣本批次矯正方法匯總
| 工具 | Batch-effect-corrected output | 方法 | |
|---|---|---|---|
| Seurat2 | R | Normalized canonical components | Canonical correlation analysis and dynamic time warping |
Seurat3 |
R | Normalized gene expression matrix | CCA and mutural nearest neighbors-anchors |
Harmony |
R | Normalized feature reduction vectors | Iterative clustering in dimensionally reduced space |
MNN Correct |
R | Normalized gene expression matrix | Mutual nearest neighbor in gene expression space |
| fastMNN | R | Normalized principal components | MNN in dimensionally reduced space |
| ComBat | R | Normalized gene expression matrix | Adjusts for known batches using an empirical Bayesian framework |
| limma | R | Normalized gene expression matrix | Linear model/empirical Bayes model |
| scGen | R | Normalized gene expression matrix | Variational auto-encoders neural network model and latent space |
| Scanorama | R/P | Normalized gene expression matrix | Mutual nearest neighbor and panoramic stitching |
| MND-ResNet | P | Normalized principal components | Residual neural network for calibration |
| ZINB-WaVE | R | Normalized gene expression matrix | Zero-inflated negative binomial model, extension of RUV model |
| scMerge | R | Normalized gene expression matrix | Stably expressed genes (scSEGs) and RUVIII model |
LIGER |
R | Normalized feature reduction vectors | Integrative non-negative matrix factorization (iNMF) and joint clustering + quantile alignment |
BBKNN |
P | Connectivity graph and normalized dimension reduction vectors (UMAP) | Batch balanced k-nearest neighbors |
</article>
7人點贊
作者：Hayley筆記
鏈接：http://www.lxweimin.com/p/7c43dc99c4b1
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。
