Scanpy：高效的单细胞RNA测序分析工具

介绍

Scanpy是一个基于Python的分析单个细胞RNA测序（scRNA-seq）数据的工具。它针对大规模数据集进行了优化，并提供了广泛的模块化分析流程，包括质量控制、预处理、可视化和数据分析。它还支持多种工具，如降维、聚类、基因集分析等。

Scanpy旨在为广大生物学家提供一个高效、可靠和易于使用的数据分析工具，以加快单个细胞研究的发展。

特性

• 大规模数据处理和可视化
• 针对单细胞RNA测序数据的质量控制、预处理和分析流程
• 多种降维和聚类技术，如PCA，t-SNE，UMAP等
• 基因差异表达分析和基因集富集分析
• 可以与AnnData，Seurat和Scanpy Python软件包兼容

安装

通过pip安装：

!pip install scanpy

或者从源代码安装:

!pip install git+https://github.com/theislab/scanpy.git

注意：Scanpy需要Python3.6或更高版本

示例

数据加载

从10X genomics格式的h5文件加载数据

import scanpy as sc

adata = sc.read_10x_h5(<filename>)

从AnnData对像文件加载数据

import scanpy as sc
import anndata

# 从本地文件
adata = anndata.read_h5ad(<filename>)

# 从URL下载和读取
url = 'https://s3-us-west-2.amazonaws.com/10x.files/samples/cell/pbmc3k/pbmc3k_filtered_gene_bc_matrices.tar.gz'
adata = sc.read_10x_mtx(url, var_names='gene_symbols', cache=True)

质量控制

从数据集中去除低质量细胞

sc.pp.filter_cells(adata, min_genes=<min_genes_per_cell>)
sc.pp.filter_genes(adata, min_cells=<min_cells_per_gene>)

数据预处理

基因表达量归一化和log变换

sc.pp.normalize_per_cell(adata, counts_per_cell_after=<count_per_cell>)
sc.pp.log1p(adata)

计算百分位数归一化

sc.pp.normalize_total(adata, target_sum=<target_gene_count>)

细胞聚类和可视化

UMAP降维和t-SNE可视化

sc.pp.neighbors(adata)
sc.tl.umap(adata)
sc.tl.tsne(adata)

细胞聚类

sc.tl.leiden(adata)

聚类可视化

sc.pl.umap(adata, color=['leiden'])

基因表达差异分析

基因差异表达分析

sc.tl.rank_genes_groups(adata, 'leiden', method='t-test')
sc.pl.rank_genes_groups(adata)

基因集分析

基因集富集分析

sc.tl.enrichment_score(adata, motifs='pyrimidine')
sc.pl.violin(adata, ['n_genes'], 'CyclingCells', stripplot=True, jitter=True, log=False,enrichment_scores='pyrimidine')

结论

Scanpy是一个功能强大、易于使用的单细胞RNA-seq数据分析工具，提供了许多有用的分析工具和可视化方法，对单细胞研究有很大的帮助。通过适当的质量控制和预处理，可以使用Scanpy生成高质量的单细胞RNA-seq数据集，并用于基因表达差异分析和基因集富集分析。