Python做单细胞测序数据分析必备技能

Python做单细胞测序数据分析必备技能

在前面单细胞转录组数据分析的文章中，有使用python实现的。今天我们了解一下在单细胞转录组分析过程中，必须要掌握的python数据框、包和函数等内容。

01、YEAR-ED SUMMARY

数据结构

Pandas DataFrame

Pandas是Python中最常用的数据处理库，DataFrame是其核心数据结构，类似于Excel表格，便于数据的存储和操作。

代码语言：javascript代码运行次数：0运行复制

import  pandas  as  pd
# 创建 DataFrame
data = {
        'Gene': ['Gene1', 'Gene2'],
        'Cell1': [10, 0],
        'Cell2': [, 5]
}
df = pd.DataFrame(data)
print(df)

umpy数组

umPy提供了高效的多维数组对象，是数值计算的基础。

代码语言：javascript代码运行次数：0运行复制

import  numpy  as  np
# 创建 umPy 数组
array = np.array([
        [1, 2, ],
        [4, 5, 6]
])
print(array)

01、YEAR-ED SUMMARY

「关键的Python包」

1. Pandas

用于数据加载、清洗和处理。常用函数包括read_csv(), merge(), groupby(), pivot_table()等。

代码语言：javascript代码运行次数：0运行复制

# 读取数据
df = pd.read_csv('')
# 数据清洗
df.dropna(inplace=True)

2. umPy

用于高效的数值计算，常用于数组操作和数学运算。

代码语言：javascript代码运行次数：0运行复制

# 数组运算
array = np.array([1, 2, ])
array = array * 2
print(array)

. Scanpy

专门用于单细胞分析的包，集成了数据预处理、降维、聚类和可视化等功能。

代码语言：javascript代码运行次数：0运行复制

import scanpy as sc
# 读取数据
adata = sc.read_10x_h5('data.h5')
# 预处理
sc.pp.filter_cells(adata, min_genes=200)
sc._total(adata, target_sum=1e4)

4. Omicverse

Omicverse是一个集成的生物信息学工具包，支持多组学数据的分析。它提供了友好的接口，方便用户进行多种分析任务。

代码语言：javascript代码运行次数：0运行复制

from  omicverse  import  Omicverse
# 初始化 Omicverse 对象
ov = Omicverse(data='path_to_data')
# 执行分析
ov.run_analysis(method='scRA-seq')

5. Matplotlib 和 Seaborn

用于数据可视化，帮助理解数据分布和分析结果。

代码语言：javascript代码运行次数：0运行复制

import  matplotlib.pyplot  as  plt
import  seaborn  as  sns
# 绘制散点图
sns.scatterplot(
    x='PC1',
    y='PC2',
    data=['X_pca']
)
plt.show()

YEAR-ED SUMMARY

单细胞转录组分析流程中的关键函数

1.数据预处理

sc.pp.filter_cells(): 过滤低质量细胞。

sc.pp.filter_genes(): 过滤低表达基因。

sc._total(): 数据归一化。

sc.pp.log1p(): 对数据进行对数转换。

2. 降维和聚类

pca(): 主成分分析（PCA）。

sc.(): 构建邻近图。

leiden(): Leiden聚类算法。

umap(): UMAP降维。

. 细胞注释

细胞注释是将聚类结果与已知细胞类型进行匹配的过程。常用的方法包括基于已知标记基因的注释和自动注释工具。

基于标记基因注释：

rank_genes_groups(): 识别各个簇的标记基因。

sc.pl.rank_genes_groups(): 可视化标记基因。

代码语言：javascript代码运行次数：0运行复制

# 识别标记基因
rank_genes_groups(adata, 'leiden', method='t-test')
# 可视化标记基因
sc.pl.rank_genes_groups(adata, n_genes=25, sharey=False)

自动注释工具：

ingest()（需安装相关包）：将已有的注释信息迁移到新的数据集。

scanorama、scmap 等工具可以用于自动注释。

4. 去批次效应

批次效应是不同实验批次之间的系统性偏差，去除批次效应有助于提高数据的整合性和分析的准确性。

sc.ppbat(): 使用ComBat方法去除批次效应。

代码语言：javascript代码运行次数：0运行复制

# 去除批次效应
sc.ppbat(adata, key='batch')

pp.bbknn(): 使用BB K方法进行批次效应校正和邻居图构建。

代码语言：javascript代码运行次数：0运行复制

import    as  sce
# 使用 BBK 进行批次效应校正
sce.pp.bbknn(adata, batch_key='batch')

scanorama:

代码语言：javascript代码运行次数：0运行复制

import scanorama
# 分割数据集
adatas = scanorama.utils.split_anndata(adata, 'batch')
# 整合数据
integrated, _ = scanorama.integrate_scanpy(adatas, dimred=50)
# 更新 adata
['X_scanorama'] = integrated.X 

5. 差异表达分析

差异表达分析用于识别不同细胞体之间显著差异表达的基因，这对于理解细胞功能和状态至关重要。

rank_genes_groups(): 识别差异表达基因。

代码语言：javascript代码运行次数：0运行复制

# 差异表达分析
rank_genes_groups(adata, 'leiden', method='t-test')
# 查看结果
sc.pl.rank_genes_groups(adata, n_genes=25, sharey=False)

rank_genes_groups 支持多种方法，如't-test', 'logreg', 'wilcoxon'等。

6. 细胞组成分析

细胞组成分析用于评估不同条件或样本中各类细胞的比例变化，这对于理解生物学过程中的细胞动态非常重要。

louvain() / leiden(): 聚类细胞。

tl.cell2location()（需安装相关包）：空间定位和细胞组成分析。

score_genes(): 计算特定基因集的得分，用于评估细胞状态或类型。

proportion_analysis：使用自定义函数或第三方包进行细胞比例计算和比较。

代码语言：javascript代码运行次数：0运行复制

import    as  sce
# 细胞组成分析
(adata, ...)
# 计算细胞周期得分
score_genes_cell_cycle(adata, s_genes, g2m_genes)
# 可视化细胞周期得分
sc.pl.scatter(adata, x='score_S', y='score_G2M')
# 计算每个簇的细胞比例
proporti = ['leiden'].value_counts(normalize=True)
print(proporti)

7. 轨迹推断

轨迹推断用于推测细胞在发育或分化过程中的动态变化路径。

dpt(): 计算扩散潜在时间（Diffusion Pseudotime）。

paga(): 使用PAGA进行全局轨迹推断。

「示例全流程」

以下是一个包含上述关键函数的完整单细胞转录组分析示例，涵盖数据加载、预处理、降维、聚类、批次效应去除、细胞注释、差异表达分析和细胞组成分析等步骤。

代码语言：javascript代码运行次数：0运行复制

 import  scanpy  as  sc
import  pandas  as  pd
import  numpy  as  np
import  matplotlib.pyplot  as  plt
from  omicverse  import  Omicverse
# 读取10X数据
adata = sc.read_10x_h5('data.h5')
# 预处理
sc.pp.filter_cells(adata, min_genes=200)
sc.pp.filter_genes(adata, min_cells=)
sc._total(adata, target_sum=1e4)
sc.pp.log1p(adata)
# 识别高变基因
sc.pp.highly_variable_genes(adata, min_mean=0.0125, max_mean=, min_disp=0.5)
adata = adata[:, adata.var.highly_variable]
# PCA降维
pca(adata, svd_solver='arpack')
# 去除批次效应
sc.ppbat(adata, key='batch')
# 邻近图和聚类
sc.(adata, n_neighbors=10, n_pcs=40)
leiden(adata, resolution=0.5)
# UMAP可视化
umap(adata)
sc.pl.umap(adata, color=['leiden'])
plt.show()
# 细胞注释
# 识别标记基因
rank_genes_groups(adata, 'leiden', method='wilcoxon')
sc.pl.rank_genes_groups(adata, n_genes=25, sharey=False)
# 差异表达分析
rank_genes_groups(adata, 'leiden', method='t-test')
sc.pl.rank_genes_groups(adata, n_genes=25, sharey=False)
# 细胞组成分析
proporti = ['leiden'].value_counts(normalize=True)
print("细胞簇比例:\n", proporti)
# 可视化细胞组成
proporti.plot(kind='bar')
plt.ylabel('Proportion')
('Cell Cluster Proporti')
plt.show()

总结：

掌握Python在单细胞转录组分析中的应用，不仅能提高分析效率，还能深入理解数据背后的生物学意义。通过学习和实践，逐步熟悉Pandas、umPy、Scanpy、Omicverse等关键工具，以及细胞注释、去批次效应、差异表达分析、细胞组成分析等关键函数，您将能够胜任从数据预处理到高级分析的各个环节。希望本文能为您的学习之路提供有益的指导！

本文参与 腾讯云自媒体同步曝光计划，分享自。原始发表：2025-01-15，如有侵权请联系 cloudcommunity@tencent 删除python数据分析函数可视化数据