如何極大減少Seurat對象保存時間
Seurat R 包無疑目前大家進行單細胞分析最長用的包之一，Seurat分析時將每一步結果都存在了Seurat 對象的不同slots中，好處是計算的所有信息得以保留，然而同時也會造成文件過大，難以保存和讀取。對於2萬個細胞以下也許不成問題，但當細胞數超過10萬，Seurat對象已經超過了15G，當細胞數量百萬級別時，Seurat大小將不可估量，每次讀取和保存甚至以數小時計算，費時、費力、費空間。
分析發現，Seurat對象之所以巨大，原因是重新計算了Counts后生成了nornalized data，並保存在了data和scaled.data中，這將使得僅僅包涵10萬個細胞的文件從幾百M大小飆升至20G以上。因此，保存之前，將data和scaled.data對象清空即可極大減少文件大小，在讀入數據后再重新進行nomalize 和 scale即可。
為了極大節約讀取和保存時間，我們將采取已下方法，在Seurat 對象保存之前進行處理，極大縮小文件大小，並在讀取時進行信息的恢復，具體如下：
### Before saving
subset_cells <- Seurat_object ## 10W cells, 15G
subset_cells@assays$RNA@data <- as.matrix(0)
subset_cells@assays$RNA@scale.data <- as.matrix(0)
save(subset_cells, file = "Seurat.RData") ### ~0.2-0.3G
###loading
load("Seurat.RData")
DefaultAssay(subset_cells) <- "RNA"
subset_cells@assays$RNA@data <- subset_cells@assays$RNA@counts
subset_cells <- NormalizeData(subset_cells)
subset_cells <- ScaleData(subset_cells, features=VariableFeatures(subset_cells))
### recovery
## 如果是用於畫圖（絕大多數情況用的是data slot數據），可以使用以下命令scale
subset_cells <- ScaleData(subset_cells, features=VariableFeatures(subset_cells)[1])
注意：counts對象不可以刪，否則讀取后無法恢復。