单细胞｜PyCoGAPS·非负矩阵分解整合单细胞数据

CoGAPS 的全称是 Coordinated Gene Activity in Pattern Sets。它实现了一种贝叶斯马尔可夫链蒙特卡罗（MCMC）矩阵分解算法，称为 GAPS（Gene Activity Pattern Sets），并将其与基因集统计方法连接起来，以推断生物过程的活性。CoGAPS 可以对任何数据进行稀疏矩阵分解，当这些数据代表生物分子时，它还可以进行基因集分析。

使用方法：

1.创建conda环境安装pycogaps

conda create -n pycogaps
git clone <a href="https://github.com/FertigLab/pycogaps.git" target="_blank">https://github.com/FertigLab/pycogaps.git</a> --recursive
cd pycogaps
pip install -r requirements.txt
python3 setup.py install

安装成功后会显示：

Finished processing dependencies for pycogaps==0.0.1

2.数据集准备

我的数据集是seurat文件，写个函数把seurat文件转换为h5ad文件。

subset_and_convert_seurat <- function(seurat_obj, output_h5ad_path) {
  seurat_obj_subset <- subset(seurat_obj, features = features)
  h5seurat_file <- tempfile(fileext = ".h5Seurat")
  SaveH5Seurat(seurat_obj_subset, filename = h5seurat_file,overwrite = TRUE)
  Convert(h5seurat_file, dest = output_h5ad_path, overwrite = TRUE, assay="RNA")
  unlink(h5seurat_file)
}
subset_and_convert_seurat(myscdata, "./myscdata.h5ad")

3.进入虚拟环境运行python

conda activate pycogaps
cd pycogaps
python

a.导入模块 

from PyCoGAPS.parameters import *
from PyCoGAPS.pycogaps_main import CoGAPS
import scanpy as sc

b.导入数据集

scpath = "./myscdata.h5ad"
adata = sc.read_h5ad(scpath)

c.修改数据输入格式，官方建议运行pycogaps之前进行log-normalization

sc.pp.log1p(adata)
adata.X = adata.X.todense()
sc.pp.log1p(adata)
adata = adata.T
adata

 d.设置运行参数，nIterations迭代次数，seed随机数，nPatterns设置分成多少pattern，建议先使用cNMF包确定最佳pattern值

params = CoParams(adata=adata)

setParams(params, {
    'nIterations': 10000,
    'seed': 42,
    'nPatterns': 8,
    'useSparseOptimization': True,
    'distributed': "genome-wide"
})
# 设置并行参数
params.setDistributedParams(nSets=12)

e.运行并保存

start = time.time()
result = CoGAPS(adata, params)
end = time.time()
print("TIME:", end - start)

result.X = np.asarray(result.X)
result.write("./sc_result.h5ad")

f.分析及可视化

建议分析及可视化在GenePattern进行

from PyCoGAPS.analysis_functions import *
plotPatternUMAP(result)

 可提取pattern特异性基因做富集分析：

pm = patternMarkers(cogapsresult, threshold="cut")
pm["PatternMarkers"]["Pattern7"]

参考：Nature Protocols, 2023, 18, 3690–3731.

https://fertiglab.github.io/CoGAPSGuide/