没有列图片adata.obs是行为细胞
发布日期：2024-06-25 09:59 点击次数：145
尝试把曾老师的单细胞seurat分析的代码转换成scanpy版本的，包括样品读取，质控，harmony去除批次效应，降维聚类，marker鉴定。
seurat版本的R代码先看看seurat版本的R代码，里面调用了另外几个文件，lib.R，qc.R，harmony.R，check-all-markers.R，这几个文件以前应该都有分享过.scRNA_scripts文件夹的r代码都在上面的百度云网盘链接（https://pan.baidu.com/s/1MzfqW07P9ZqEA_URQ6rLbA?pwd=3heo）里面哦：
rm(list=ls())options(stringsAsFactors = F) source('scRNA_scripts/lib.R')###### step1:导入数据 ###### # 付费环节 800 元人民币dir='GSE189357_RAW/output/' samples=list.files( dir )samples library(data.table)sceList = lapply(samples，function(pro){ # pro=samples[1] print(pro) sce=CreateSeuratObject(counts = Read10X(file.path(dir，pro) ) ， project = pro ， min.cells = 5， min.features = 300，) return(sce)})names(sceList) library(stringr)# samples=gsub('.txt.gz'，''，str_split(samples，'_'，simplify = T)[，2])samplesnames(sceList) = samplessce.all <- merge(sceList[[1]]， y= sceList[ -1 ] ， add.cell.ids = samples) as.data.frame(sce.all@assays$RNA@counts[1:10， 1:2])head(sce.all@meta.data， 10)table(sce.all@meta.data$orig.ident) ###### step2:QC质控 ######dir.create("./1-QC")setwd("./1-QC")# 如果过滤的太狠，就需要去修改这个过滤代码source('../scRNA_scripts/qc.R')sce.all.filt = basic_qc(sce.all)print(dim(sce.all))print(dim(sce.all.filt))setwd('../')sp='human'###### step3: harmony整合多个单细胞样品 ######dir.create("2-harmony")getwd()setwd("2-harmony")source('../scRNA_scripts/harmony.R')# 默认 ScaleData 没有添加"nCount_RNA"， "nFeature_RNA"# 默认的sce.all.int = run_harmony(sce.all.filt)setwd('../')###### step4: 降维聚类分群和看标记基因库 ####### 原则上分辨率是需要自己肉眼判断，取决于个人经验# 为了省力，我们直接看 0.1和0.8即可table(Idents(sce.all.int))table(sce.all.int$seurat_clusters)table(sce.all.int$RNA_snn_res.0.1) table(sce.all.int$RNA_snn_res.0.8) getwd()dir.create('check-by-0.1')setwd('check-by-0.1')sel.clust = "RNA_snn_res.0.1"sce.all.int <- SetIdent(sce.all.int， value = sel.clust)table(sce.all.int@active.ident) source('../scRNA_scripts/check-all-markers.R')setwd('../') getwd()dir.create('check-by-0.8')setwd('check-by-0.8')sel.clust = "RNA_snn_res.0.8"sce.all.int <- SetIdent(sce.all.int， value = sel.clust)table(sce.all.int@active.ident) source('../scRNA_scripts/check-all-markers.R')setwd('../') getwd()dir.create('check-by-0.5')setwd('check-by-0.5')sel.clust = "RNA_snn_res.0.5"sce.all.int <- SetIdent(sce.all.int， value = sel.clust)table(sce.all.int@active.ident) source('../scRNA_scripts/check-all-markers.R')setwd('../') getwd()last_markers_to_checkscanpy版本的python代码安装各种库的时候，直接pip install scanpy即可
如果是在jupyter notebook或者jupyter lab里，需要在前面加上！，命令行里就不用
!pip install scanpy
#安装导入需要的模块import scanpy as scimport numpy as np import pandas as pd from glob import globimport reimport seaborn as snsimport matplotlib.pyplot as plt from tqdm import tqdmimport osfrom collections import Counterimport timeimport cosg as cosg%matplotlib inline
# 开始计时a = time.perf_counter()
scanpy下的read_10x_mtx函数读取数据，传入文件夹路径，保证文件夹下还是这三个文件即可
图片成功案例
循环读取9个单细胞数据，用字典进行存储，key为样本名，value为scanpy读取后的对象用scanpy下的concat函数进行多个样本的合并
scanpy对象结构参考下图
adata.var是行为gene，列为统计指标的矩阵，进行完各种分析之后，大概如下图，刚读完数据的时候，只有行名，没有列
湖南科艺网络信息有限公司 74， 宁波班门电器有限公司 74);">
图片
adata.obs是行为细胞，昆山利尔电气实业有限公司列为统计指标的矩阵图片
adata.uns里面存放的是非结构化的数据，都是字典的形式图片
比如sample color，存放的是每个样品对应的颜色，pca里面存放有降维后的主成分的信息，louvain 0.01_colors里面存放的就是0.01的分辨率下每个cluster对应的颜色图片
adata.X里面存放的是表达矩阵，行为cell，列为gene图片
### Step1 批量读取单细胞数据# 字符串前面加上r之后，路径里的/和\就不用特意修改了path = r'F:\新建文件夹\2022-GSE189357-LUAD-单细胞-疾病进展\GSE189357_RAW\output'files = glob(path + '\*')# tqdm用来显示进度条，不加也可以data_dic = {}for i in tqdm(files): sample_name = i.split('\\')[-1] # cache=True 会存储读取文件时候的缓存，下次再读取就很快了 adata = sc.read_10x_mtx(i，var_names='gene_symbols'，cache=True) adata.var_names_make_unique() adata.obs_names_make_unique() data_dic[sample_name] = adata adata = sc.concat(data_dic，label='sample'，axis=0)adata.obs_names_make_unique()os.getcwd()work_dir = r'F:新建文件夹/'os.chdir(work_dir)qc部分，参考曾老师seurat里qc.R脚本写的
这里只考虑了human gene，都是大写的
#计算比例和标准质控 def basic_qc(adata): # 计算线粒体基因比例 adata.var['mt'] = adata.var_names.str.startswith('MT-') sc.pp.calculate_qc_metrics(adata， qc_vars=['mt']， percent_top=None， log1p=False， inplace=True) mt_gene = adata.var.index[adata.var_names.str.startswith('MT-')] print('线粒体gene：'，mt_gene) # 计算核糖体基因比例 adata.var['rp'] = [True if i.startswith('RPL') or i.startswith('RPS') else False for i in adata.var_names] sc.pp.calculate_qc_metrics(adata， qc_vars=['rp']， percent_top=None，联系我们 log1p=False， inplace=True) rp_gene = [i for i in adata.var_names if i.startswith('RPL') or i.startswith('RPS')] print('核糖体gene：'，rp_gene) # 计算红血细胞基因比例 adata.var['hb'] = [True if i.startswith('HB') and not i.startswith('HBP') else False for i in adata.var_names] sc.pp.calculate_qc_metrics(adata， qc_vars=['hb']， percent_top=None， log1p=False， inplace=True) hb_gene = [i for i in adata.var_names if i.startswith('HB') and not i.startswith('HBP')] print('红血细胞gene：'，hb_gene) # 可视化细胞各gene比例 if not os.path.isdir('qc'): os.mkdir('qc') sc.pl.violin(adata，keys=['n_genes_by_counts'，'total_counts']，groupby='sample'，show = False) plt.savefig('qc/vlnplot1.pdf') sc.pl.violin(adata，keys=['pct_counts_mt'，'pct_counts_rp'，'pct_counts_hb']，groupby='sample'，show = False) plt.savefig('qc/vlnplot2.pdf') sc.pl.scatter(adata，x='total_counts'， y='n_genes_by_counts'，color='sample'，show = False) plt.savefig('qc/scatterplot.pdf') sc.pl.highest_expr_genes(adata，n_top=20，show = False) plt.savefig('qc/TOP20_most_expressed_gene.pdf') # 过滤 print('过滤前：'，adata.shape) adata = adata[adata.obs.n_genes_by_counts < 6000， :] adata = adata[adata.obs.pct_counts_mt < 20， :] adata = adata[adata.obs.pct_counts_rp > 3， :] adata = adata[adata.obs.pct_counts_hb < 1， :] print('过滤后：'，adata.shape) # 可视化过滤后的结果 sc.pl.violin(adata，keys=['n_genes_by_counts'，'total_counts']，groupby='sample'，show = False) plt.savefig('qc/vlnplot1_filtered.pdf') sc.pl.violin(adata，keys=['pct_counts_mt'，'pct_counts_rp'，'pct_counts_hb']，groupby='sample'，show = False) plt.savefig('qc/vlnplot2_filtered.pdf') return adata#harmony整合def run_harmony(adata): # normalize sc.pp.normalize_total(adata， target_sum=1e4) sc.pp.log1p(adata) adata.raw = adata # 找高变gene sc.pp.highly_variable_genes(adata， min_mean=0.0125， max_mean=3， min_disp=0.5) # 只保留高变gene adata = adata[:， adata.var.highly_variable] # 根据线粒体gene进行regress sc.pp.regress_out(adata， 'pct_counts_mt') # scale sc.pp.scale(adata) # pca sc.tl.pca(adata， svd_solver='arpack') sc.external.pp.harmony_integrate(adata，key='sample') sc.pp.neighbors(adata， n_neighbors=10， n_pcs=20，use_rep='X_pca_harmony') sc.tl.umap(adata) # 设置不同分辨率 for i in [0.01， 0.05， 0.1， 0.2， 0.3， 0.5，0.8，1]: sc.tl.louvain(adata，resolution=i，key_added='louvain {}'.format(i)) if not os.path.isdir('harmony'): os.mkdir('harmony') sc.pl.umap(adata，color=['louvain 0.01'，'louvain 0.1'，'louvain 0.2']，show = False) plt.savefig('harmony/resolution_low.pdf') sc.pl.umap(adata，color=['louvain 0.5'，'louvain 0.8'，'louvain 1']，show = False) plt.savefig('harmony/resolution_high.pdf') return adatadef run_harmony(adata): # normalize sc.pp.normalize_total(adata， target_sum=1e4) sc.pp.log1p(adata) adata.raw = adata # 找高变gene sc.pp.highly_variable_genes(adata， min_mean=0.0125， max_mean=3， min_disp=0.5) # 只保留高变gene adata = adata[:， adata.var.highly_variable] # 根据线粒体gene进行regress sc.pp.regress_out(adata， 'pct_counts_mt') # scale sc.pp.scale(adata) # pca sc.tl.pca(adata， svd_solver='arpack') sc.external.pp.harmony_integrate(adata，key='sample') sc.pp.neighbors(adata， n_neighbors=10， n_pcs=20，use_rep='X_pca_harmony') sc.tl.umap(adata) # 设置不同分辨率 for i in [0.01， 0.05， 0.1， 0.2， 0.3， 0.5，0.8，1]: sc.tl.louvain(adata，resolution=i，key_added='louvain {}'.format(i)) if not os.path.isdir('harmony'): os.mkdir('harmony') sc.pl.umap(adata，color=['louvain 0.01'，'louvain 0.1'，'louvain 0.2']，show = False) plt.savefig('harmony/resolution_low.pdf') sc.pl.umap(adata，color=['louvain 0.5'，'louvain 0.8'，'louvain 1']，show = False) plt.savefig('harmony/resolution_high.pdf') return adata结果展示adata = basic_qc(adata)
图片
图片
图片
adata = run_harmony(adata)
图片
check_markers(0.1)check_markers(0.3)check_markers(0.8)
图片
图片
运行完耗时1021s 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。