前面我在 十多万个细胞数量就顶不住了吗提到了一个关键的转换， 稀疏矩阵：

ct <- as.matrix(ct, type="dgCMatrix")

马上交流群就有小伙伴反馈了同款的bug，是二十多万个细胞的单细胞数据集，但是他自己就算是转换成为稀疏矩阵也没有解决问题。。。

# 参考：https://mp.weixin.qq.com/s/tw7lygmGDAbpzMTx57VvFw
ct=data.table::fread('GSE183852_Integrated_Counts.csv.gz',
 data.table = F) 
ct[1:4,1:4]
tail(ct[ ,1:4])
rownames(ct)=ct[,1] 
ct=ct[,-1]

tmp <- as.matrix(ct, type="dgCMatrix")
sce.all=CreateSeuratObject(counts = tmp )

如下所示：

> ct[1:4,1:4]
 gene H_ZC-11-292_TAAGTGCAGCAGGTCA H_ZC-11-292_ACAGCCGGTCATACTG
1 RP11-34P13.3 0 0
2 FAM138A 0 0
3 OR4F5 0 0
4 RP11-34P13.7 0 0 
> tail(ct[ ,1:4])
 gene H_ZC-11-292_TAAGTGCAGCAGGTCA
45063 AC136352.3 0
45064 AC136352.2 0
45065 AC171558.3 0
45066 BX004987.1 0
45067 AC145212.1 0
45068 MAFIP 0
Warning: Data is of class matrix. Coercing to dgCMatrix.
Error: vector memory exhausted (limit reached?)

我也确实是在我们的共享服务器（2024的共享服务器交个朋友福利价仍然是800）测试了，发现并没有问题。就继续沟通，发现交流群的小伙伴其实还没有使用我们的超大内存服务器，仅仅是在自己的电脑里面跑这个代码，所以失败完全是理所当然啊！！！

但是，问题还是得为他解决，上面的GSE183852数据集是有接近27万个细胞，所以绝大部分人普通电脑很难跑通这个环节，很正常。

我做了一个简单的磁盘中间环节避免这个内存bug，如下所示：

 lapply(0:8, function(i){
 # i=1
 print(i)
 kp= seq(1,ncol(ct)) %in% seq(i*30000 ,(i+1)*30000)
 print(table(kp))
 tmp= ct[,kp] 
 tmp=as.matrix( tmp , 
 type="dgCMatrix") 
 save(tmp,file = paste(i,'tmp.Rdata'))
 })

也就是说，GSE183852数据集是有接近27万个细胞，我把它拆分成为了9个独立的3万个细胞的表达量矩阵文件并且存储在硬盘里面。

然后就可以关闭R后重新打开，进行批量读取：

 library(Seurat)
 sceList = lapply(0:8, function(i){
 # i=1
 print(i)
 load(file = paste(i,'tmp.Rdata'))
 print(dim(tmp))
 sce =CreateSeuratObject(counts = tmp,
 #project = i ,
 min.cells = 5,
 min.features = 300 )
 print(sce)
 return(sce)
 })

 sce.all=merge(x=sceList[[1]],
 y=sceList[ -1 ] ) 
 names(sce.all@assays$RNA@layers)
 sce.all[["RNA"]]$counts 
 # Alternate accessor function with the same result
 LayerData(sce.all, assay = "RNA", layer = "counts")
 sce.all <- JoinLayers(sce.all)
 dim(sce.all[["RNA"]]$counts )

当然了，如果是你有服务器（2024的共享服务器交个朋友福利价仍然是800），就没必要上面的这样的如此曲折的分析了。

接下来就可以进行常规的降维聚类分群哈， 如下所示的初步结果：

基本上可以看到下面的这些亚群是可以手动命名的：

 celltype[celltype$ClusterID %in% c( 6 ),2]='lymphocytes' 
 celltype[celltype$ClusterID %in% c( 3 ),2]='myeloids' 
 celltype[celltype$ClusterID %in% c( 1,5 ),2]='endo' 
 celltype[celltype$ClusterID %in% c( 8 ),2]='L-endo' 
 celltype[celltype$ClusterID %in% c( 9 ),2]='epi'
 celltype[celltype$ClusterID %in% c( 0 ),2]='fibro'
 celltype[celltype$ClusterID %in% c( 4 ),2]='SMC' 
 celltype[celltype$ClusterID %in% c( 10 ),2]='Mast' 
 celltype[celltype$ClusterID %in% c( 12 ),2]='double'

然后需要看文章里面的基因列表：

补充进行可视化：

 cg='RYR2 MYH11 DCN VWF CCL21 NRXN1 HAS1 KIT MZB1 PLIN1 C1QC KCNJ8 LEPR CD3E'
 gene_list=trimws(strsplit(cg,' ')[[1]])
 gene_list
 p2 = DotPlot( sce.all.int, features = gene_list, 
 group.by = 'RNA_snn_res.0.1') + 
 theme(axis.text.x = element_text(angle = 45, vjust = 0.5, hjust=0.5))
 p2 
 ggsave('heart-0.1.pdf',width=8)

就可以继续给名字

celltype[celltype$ClusterID %in% c(11 ),2]='Adipo' 
 celltype[celltype$ClusterID %in% c( 7 ),2]='Neuron' 
 celltype[celltype$ClusterID %in% c( 2 ),2]='CM'

最后的效果，我感觉我做的比文章要好一点，哈哈哈，如下所示：

学徒作业

首先呢，完成上面的GSE183852数据集 接近27万个细胞的降维聚类分群和命名，然后读一下文章：《Single-cell transcriptomics reveals cell-type- specific diversification in human heart failure》，然后做一个简单的差异分析即可：

Differential expression analy- sis by pseudobulk and single-cell approaches across disease state revealed a large number of genes significantly upregulated (NPPA, NPPB, ACE2 and KIF13A) and downregulated (MYH6, ADRB2 and CKM) in DCM samples compared to non-diseased donors

并且绘制如下所示的差异基因的热图：