【Scanpy】单细胞转录组分析思路之细胞分类

本文将详细讲述单细胞转录组分析的步骤。

一、文章信息

     题目：ClusterMap for multi-scale clustering analysis of spatial gene expression

     链接：https://doi.org/10.1038/s41467-021-26044-x

     期刊：Nature

二、数据集

     数据集：小鼠初级视觉皮层V1_1020

     转录组技术：STARmap

     基因数：1020

     细胞数：1650

     总表达数：471295

     细胞类型：16种

三、单细胞测序工作

        关于这一部分，这篇文章没有讲解，我在了解生物背景的时候，查阅了一些资料，关于单细胞最初的制备工作。

        对于这篇文章，在作者给的公开代码和数据中，数据已经是处理好的有关所有基因点的三维位置坐标。

四、细胞分类

        进行细胞分类的关键是得到有细胞位置的数据集。

1、输入文件

        文件由三部分组成，X，obs，var。三者的位置关系如下图所示：

 输入文件，得到adata数据格式，但是下文的操作都在细胞层面，所以对应查看adata.obs文件。

expr_path = os.path.join(out_path, 'expr_BY1.csv')    # 里面全是0 1 2 3 的数字
var_path = os.path.join(out_path, 'var_BY1.csv')      # 基因的名称
obs_path = os.path.join(out_path, 'obs_BY1.csv')      # 二维行列坐标

# add expression data to the AnnData object   添加表达式数据到AnnData对象
expr_x = np.loadtxt(expr_path, delimiter=',')     # delimiter表示分隔符，加载文件的分隔符

var = pd.read_csv(var_path, header=None)  #header=None(文件中不包含列名的行)
var = pd.DataFrame(index=var.iloc[:,0].to_list())
obs = pd.read_csv(obs_path, index_col=0)

adata = AnnData(X=expr_x, var=var, obs=obs)

2、预处理

（1）可视化高表达基因

sc.pl.highest_expr_genes(adata, n_top=20) 

        可视化所有细胞中表达量最多的20个基因，展示的方法采用的是箱线图。箱线图是对每个基因在所有细胞中表达量分布的更详细描述。箱子的宽度，反应了数据的波动程度，箱子越窄，数据分布越集中。

        箱线图的查看以下图为例：中位线表示的是MALAT1在单个细胞表达量的中位数；中位数对应的是该基因表达量占该细胞总基因表达量的17%。可见，MALAT1基因在大部分细胞中的表达量占比约在10%~20%之间。