4.基于python的scRNA-seq轨迹推断-伪时间计算

参考：
[1] https://github.com/Starlitnightly/single_cell_tutorial
[2] https://github.com/theislab/single-cell-best-practices

拟时序计算分类

拟时序（伪时间）根据细胞在发展过程中的阶段对细胞进行排序。不成熟的细胞被分配小值，成熟的细胞被分配大值。例如，研究骨髓样本时，造血干细胞被分配低拟时序值，而红细胞则被分配高拟时序值。并且，在后续分析拟时序时，通常需要指定一个初始细胞，或者叫根细胞，然后从起始点推测细胞的动态过程。

拟时序计算遵循以下步骤，首先将高维细胞数据投影到低维表示，然后根据生物过程本身的性质选择构造拟时序的方法，生物过程本身的性质需要我们提前了解，比如是线性的，循环的，分叉的等。

拟时序方法分为下面几类：

• 聚类方法：基于树的方法----首先对细胞表示进行聚类，然后识别簇之间的连接。这些簇可以被排序，从而构建伪时间。经典的聚类算法包括K-Means，Leiden，或者层次聚类。然后用最小生成树MST来连接这些簇，得到排序
• 基于流形学习的方法：用主曲线或图来估计潜在的轨迹，代表方法是Slingshot
• 基于状态转移概率的方法：每个转移概率量化了参考细胞是其他细胞祖先的可能性。这些概率定义了用于定义伪时间的随机过程。例如，DPT定义为随机游走的连续状态之间的差异。这种方法需要指定一个根细胞，然后伪时间本身是相对于这个细胞计算的

得到伪时间后，可以用PAGA和跟细胞信息对带有时序的拓扑结构进行抽象，得到轨迹。或者直接用PAGA进行聚类得到图摘要，此时是一个没有方向的无向图。

加载数据

我们使用小鼠齿状回神经元的单细胞RNA-seq测序数据，进而研究nIPC的分化过程。我们使用omicverse预处理数据，选择前3000个基因作为高可变基因。另外，我们应该考虑多少个主成分来计算细胞之间邻域关系的信息。根据经验，通常粗略估计主成分的数量就可以满足需求。一般而言前50个主成分即涵盖大部分的数据变异性。：

import omicverse as ov
import scanpy as sc
import scvelo as scv

adata = sc.read("./data/DentateGyrus/10X43_1.h5ad")
print(adata)
"""
AnnData object with n_obs × n_vars = 2930 × 13913
    obs: 'clusters', 'age(days)', 'clusters_enlarged'
    uns: 'clusters_colors'
    obsm: 'X_umap'
    layers: 'ambiguous', 'spliced', 'unspliced'
"""

adata=ov.pp.preprocess(adata,mode='shiftlog|pearson',n_HVGs=3000,)
adata.raw = adata
adata = adata[:, adata.var.highly_variable_features]
ov.pp.scale(adata)
ov.