Scanpy 分析 3k PBMCs：降维与聚类

引言

图片

本系列讲解 使用Scanpy分析单细胞（scRNA-seq）数据教程[1]，持续更新，欢迎关注，转发！

主成分分析

利用主成分分析（PCA）来降低数据维度，它能够揭示数据变化的主要方向，并且可以去除数据中的噪声。

sc.tl.pca(adata, svd_solver="arpack")

虽然我们可以在PCA坐标系中绘制散点图，但后续并不会用到这个图。

sc.pl.pca(adata, color="CST3")

图片

我们来查看单个主成分对数据总方差的贡献程度。这有助于我们确定在计算细胞邻域关系时，应该考虑多少个主成分，比如在使用聚类函数sc.tl.louvain（）或tSNE sc.tl.tsne（）时。在我们的经验中，对主成分数量进行一个大致的估计往往就足够了。

sc.pl.pca_variance_ratio(adata, log=True)

图片

结果保存：

adata.write(results_file)

adata

图片

计算邻域图

我们来根据数据矩阵的PCA表示来计算细胞的邻域图。你可以直接使用默认值。不过，为了能够复现Seurat的实验结果，我们还是采用以下这些特定的数值。

sc.pp.neighbors(adata, n_neighbors=, n_pcs=)

嵌入邻域图

我们建议采用UMAP将图嵌入到二维空间，具体内容见下文。相比tSNE，UMAP在呈现流形的全局连通性方面表现得更为出色，也就是说，它能更好地保留数据的轨迹信息。不过，在某些情况下，你可能会发现存在不相连的聚类或其他连通性问题。这些问题通常可以通过运行特定的命令来解决。

sc.tl.paga(adata)
sc.pl.paga(adata, plot=False)  # remove `plot=False` if you want to see the coarse-grained graph
sc.tl.umap(adata, init_pos='paga')

sc.tl.umap(adata)

sc.pl.umap(adata, color=["CST3", "NKG7", "PPBP"])

图片

由于我们对adata设置了.raw属性，之前的图展示的是“原始”（已经过标准化、对数化处理，但未经校正）的基因表达情况。你也可以通过明确指出不使用.raw属性，来绘制经过缩放和校正后的基因表达情况。

sc.pl.umap(adata, color=["CST3", "NKG7", "PPBP"], use_raw=False)

图片

聚类邻域图

和Seurat以及许多其他框架一样，我们推荐使用Leiden图聚类方法（基于优化模块性的社区检测）。需要注意的是，Leiden聚类是直接对细胞的邻域图进行聚类的，而我们在前面的部分已经计算出了这个邻域图。

sc.tl.leiden(
    adata,
    resolution=0.9,
    random_state=,
    flavor="igraph",
    n_iterations=,
    directed=False,
)

绘制聚类结果，这些结果与Seurat的结果非常契合。

sc.pl.umap(adata, color=["leiden", "CST3", "NKG7"])

图片

结果保存：

adata.write(results_file)

Reference

[1] 

Source: https://scanpy.readthedocs.io/en/stable/tutorials/basics/clustering-2017.html