偷偷问一下，关注了吗？
内容获取
1、购买打包合集（《KS科研分享与服务》付费内容打包集合），价格感人，可以加入微信VIP群（答疑交流群，甚至有小伙伴觉得群比代码更好），可以获取建号以来所有内容，群成员专享视频教程，提前更新，其他更多福利！
2、《KS科研分享与服务》公众号有QQ群，进入门槛是20元（完全是为了防止白嫖党，请理解），请考虑清楚。群里有免费推文的注释代码和示例数据（终身拥有），没有付费内容，群成员福利是购买单个付费内容半价！
需要者详情请联系作者（非需要者勿扰，处理太费时间）：
#安装软件pip install infercnvpy -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
import scanpy as scimport infercnvpy as cnvimport matplotlib.pyplot as pltimport warningswarnings.simplefilter("ignore")sc.settings.set_figure_params(figsize=(5, 5))
#library(sceasy)#library(reticulate)#use_condaenv('sceasy')#loompy <- reticulate::import('loompy')# sceasy::convertFormat(uterus, from="seurat", to="anndata", outFile='sce_uterus.h5ad')
import anndataadata = anndata.read_h5ad('sce_uterus.h5ad')adata# AnnData object with n_obs × n_vars = 27914 × 27001# obs: 'orig.ident', 'nCount_RNA', 'nFeature_RNA', 'S.Score', 'G2M.Score', 'Phase', 'percent.mt', 'percent.rb', 'percent.hb', 'integrated_snn_res.0.1', 'integrated_snn_res.0.2', 'integrated_snn_res.0.3', 'integrated_snn_res.0.4', 'integrated_snn_res.0.5', 'integrated_snn_res.0.6', 'integrated_snn_res.0.7', 'integrated_snn_res.0.8', 'integrated_snn_res.0.9', 'integrated_snn_res.1', 'integrated_snn_res.1.1', 'integrated_snn_res.1.2', 'seurat_clusters', 'celltype', 'cell_type', 'group_cell'# var: 'name'# obsm: 'X_pca', 'X_tsne'
sc.pl.tsne(adata, color="cell_type")gene_annotations = pd.read_csv('geneannotation.csv')# 将染色体位置信息添加到 adata.varadata.var['chromosome'] = '' # 初始化染色体列adata.var['start'] = 0 # 初始化起始位置列adata.var['end'] = 0 # 初始化结束位置列
# 匹配基因ID并添加染色体位置信息for gene_id in adata.var_names:if gene_id in gene_annotations['gene_symbol'].values:# 找到匹配的基因并获取其染色体位置信息chromosome, start, end = gene_annotations.loc[gene_annotations['gene_symbol'] == gene_id, ['chromosome', 'start', 'end']].values[0]adata.var.loc[gene_id, 'chromosome'] = chromosomeadata.var.loc[gene_id, 'start'] = startadata.var.loc[gene_id, 'end'] = end
#去掉NAadata = adata[: , adata.var.chromosome.notna()]
run infercnvpy：速度很快！
#run infercnvpycnv.tl.infercnv(adata,reference_key="group_cell",reference_cat=["HC_Ly","HC_Endo","HC_Uepi","HC_Cepi","HC_Mac","HC_SMC","HC_Sfib",],window_size=250,)
cnv.pl.chromosome_heatmap(adata, groupby="group_cell")#Clustering by CNV profiles and identifying tumor cellscnv.tl.pca(adata)cnv.pp.neighbors(adata)cnv.tl.leiden(adata)cnv.pl.chromosome_heatmap(adata, groupby="cnv_leiden", dendrogram=True)
#我这里按照cnv_score进行区分adata.obs["cnv_status"] = "normal"adata.obs.loc[adata.obs["cnv_score"]>0.008, "cnv_status"] = ("tumor")
sc.pl.tsne(adata, color="cnv_status")cnv.pl.chromosome_heatmap(adata[adata.obs["cnv_status"] == "normal", :])最后，我们可以将cell信息提取，然后在R里面区分提取恶性细胞。总之，infercnvpy在分析和可视化上面表现都挺好，可以尝试一下！
觉得我们分享有些用的，点个赞再走呗！
关注我们获取精彩内容：
关注不迷路：扫描下面二维码关注公众号！
B站视频号链接：https://space.bilibili.com/471040659?spm_id_from=333.1007.0.0
关注 KS科研分享与服务，
认清正版优质内容和服务！
优质内容持续输出，物超所值！
合作联系：ks_account@163.com
