2.1 导读

单细胞数据预处理准备完毕之后、需要以下步骤

  • 数据标准化
  • 查找高变基因
  • PCA分析
  • 去除批次效应 （可选）

  • umap 降维聚类

    2.2 数据处理

  • 数据标准化

    1. sc.pp.normalize_per_cell(adata_all, counts_per_cell_after=1e4)
    2. sc.pp.log1p(adata_all)

  • 查找高变基因

    1. sc.pp.highly_variable_genes(adata_all, n_top_genes =1500, batch_key='sample')
    2. sc.pl.highly_variable_genes(adata_all)

    image.png

    • 识别差异表达基因
    • n_top_genes 参数设置 高变基因个数

  • 过滤高变基因中线粒体等

    1. adata_all.var.highly_variable = adata_all.var.highly_variable & [ not x.startswith(('RPL', 'RPS', 'MT-', 'MRPS', 'MRPL')) for x in adata_all.var.index ]
    2. adata_all.var[adata_all.var['highly_variable']]

    image.png

  • PCA 主成分分析

    1. sc.pp.scale( adata_all, max_value=10)
    2. sc.tl.pca( adata_all, svd_solver='arpack', n_comps=20, use_highly_variable = True)
    3. sc.pl.pca(adata_all, color='GAB3') #绘图

    image.png

    • 主成分分析是一种将数据降维的分析方法，是考察多个变量间相关性一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关.通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。
    • 通过运行主成分分析 (PCA) 来降低数据的维数，可以对数据进行去噪并揭示不同分群的主因素。

  • 去除批次效应

    1. # 按照样本进行批次效应去除
    2. sc.external.pp.harmony_integrate(adata_all, 'sample',  
    3.                                    basis = 'X_pca',  
    4.                                    adjusted_basis= 'X_pca_harmony', 
    5.                                    )

  • 计算细胞间的距离

    1. sc.pp.neighbors(adata_all, n_pcs=20,  use_rep= 'X_pca_harmony')
    • 这里的参数就先按照默认值设定：
    • 使用数据矩阵的 PCA去次批次效应之后 表示来计算细胞的邻域图。

  • umap降维分析

    1. sc.tl.umap(adata_all,)
    2. sc.pl.umap(adata_all, color=['CST3', 'NKG7',"GZMB"],)

    image.png

    1. # 按照样本查看
    2. sc.pl.umap(adata_all, color=['CST3'],groups="sample")

    image.png

  • 聚类分析

    1. # 可以按照不同的resolution 进行聚类
    2. sc.tl.louvain(adata_all,resolution=0.4,key_added="louvain_0.4")
    3. sc.tl.louvain(adata_all,resolution=0.6,key_added="louvain_0.6")
    4. sc.tl.louvain(adata_all,resolution=2,key_added="louvain_2")
    5. sc.pl.umap(adata_all, color=['louvain_0.4','louvain_0.6','louvain_2'],legend_loc='on data')

    image.png

    1. sc.pl.umap(adata_all, color="sample",legend_loc='on data')

    image.png

    2.3 基因数据

  • 查找聚类Marker基因,以resolution= 2 为例。

    1. sc.tl.rank_genes_groups(adata_all, 'louvain_2', method='wilcoxon',key_added='louvain_2_rankgenes')
    2. adata_all

    image.png

  • 查看top20 Marker基因

    1. sc.pl.rank_genes_groups(adata_all, n_genes=20, sharey=False,key='louvain_2_rankgenes')

    image.png

  • 提取Marker基因

    提取cluster 0 marker基因

  1. df_markergene_0 = sc.get.rank_genes_groups_df(adata_all, group="0",key= "louvain_2_rankgenes")
  2. df_markergene_0[0:20]

image.png

  • 用cluster 0 marker基因画图 按照cluster聚类

    1. sc.pl.stacked_violin(adata_all, 
    2.                             list(df_markergene_0[0:20]['names']), groupby="louvain_2",  
    3.                             use_raw=False, dendrogram=True,    standard_scale ='var',
    4.                             row_palette = 'Set2',scale='count',swap_axes=True)

    image.png

    下一遍会具体讲述 数据画图技巧。

  • 总结

    到此 数据简单处理完毕

image.png