python单细胞自动注释工具celltypist

 今天是生信星球陪你的第1009天

1.R包和数据准备
2.质控
3.注释
4.搞个漂亮点的图
1.R包和数据准备
import pandas as pd
import numpy as np
import scanpy as sc
import matplotlib.pyplot as plt
GSM6736629_10x-PBMC-1_ds0.1974_CountMatrix.tsv.gz文件在GEO直接搜索编号即可下载。
### step1：读入表达量矩阵，构建单细胞对象 ------
path ='GSM6736629_10x-PBMC-1_ds0.1974_CountMatrix.tsv.gz'
adata=sc.read_text(path).T #.T是转置
adata.shape
(4557, 33104)
adata.var_names = adata.var_names.str.split(':').str[0]#行名不规范，只想留下前半段
adata.var_names_make_unique()
adata.var.head()
2.质控
sc.pp.filter_cells(adata,min_genes=200)
sc.pp.filter_genes(adata,min_cells=3)
adata.var['mt']=adata.var_names.str.startswith('MT-')
adata.var.mt.value_counts()
mt
False    25965
True        30
Name: count, dtype: int64
sc.pp.calculate_qc_metrics(adata,qc_vars=['mt'],log1p=False,percent_top=None,inplace=True)
sc.pl.violin(adata,["n_genes_by_counts", "total_counts", "pct_counts_mt"],jitter=0.4, multi_panel=True) #mt是0
#sc.pl.violin(adata,["n_genes_by_counts", "total_counts"],jitter=0.4, multi_panel=True)
adata=adata[adata.obs.n_genes_by_counts>200]
adata=adata[adata.obs.n_genes_by_counts<4000]
adata=adata[adata.obs.pct_counts_mt<10]
adata.shape
sc.pp.normalize_total(adata,target_sum=1e4)
sc.pp.log1p(adata)
adata.lognorm=adata.copy()
celltypist包需要的数据是log normlize之后的数据，不需要进行标准流程后续的降维聚类，都被这个包包进去了。
3.注释
celltypist包提供了大量的参考数据，目前是52个，还挺丰富的。https://www.celltypist.org/models
根据自己的数据的物种、组织等背景知识选择合适的。
import celltypist
from celltypist import models
model = models.Model.load(model='Immune_All_High.pkl') #https://www.celltypist.org/models
model
predictions = celltypist.annotate(adata.lognorm, model = model, majority_voting = True)
predictions.predicted_labels
🔬 Input data has 4321 cells and 25995 genes
🔗 Matching reference genes in the model
🧬 5601 features used for prediction
⚖️ Scaling input data
🖋️ Predicting labels
✅ Prediction done!
👀 Detected a neighborhood graph in the input object, will run over-clustering on the basis of it
⛓️ Over-clustering input data with resolution set to 5
🗳️ Majority voting the predictions
✅ Majority voting done!
adata2 = predictions.to_adata()
adata2.obs
可以看到预测结果中已经有了注释的结果，其中majority_voting是多数投票的结果，就用它。
adata2.obs.majority_voting = adata2.obs.majority_voting.str.replace(' cells', '', regex=False)
adata2.obs.majority_voting = adata2.obs.majority_voting.str.replace(' monocytes', ' Mono', regex=False)
adata2.obs.majority_voting
AAACCCAAGTAGGGTC    Monocytes
AAACCCACACCATTCC            B
AAACCCATCTACACTT            T
AAACGAAAGCACGTCC            T
AAACGAAGTTCAAACC          ILC
                      ...    
TTTGGTTAGGTCATAA            T
TTTGTTGAGAGGGTAA          ILC
TTTGTTGCAGGATGAC            T
TTTGTTGCATCGCTCT            B
TTTGTTGTCTGGGATT            T
Name: majority_voting, Length: 4321, dtype: object
sc.tl.umap(adata2)
sc.pl.umap(adata2, color = 'majority_voting',legend_loc="on data")
4.搞个漂亮点的图
import pandas as pd
umap_coords = adata2.obsm['X_umap']
labels = adata2.obs['majority_voting']
plt.figure(figsize=(6,5))
unique_labels = labels.unique()
colors = plt.cm.get_cmap('Accent', len(unique_labels))  
for i, label in enumerate(unique_labels):
    plt.scatter(umap_coords[labels == label, 0], umap_coords[labels == label, 1], 
                color=colors(i),s=1,alpha = 0.4)
for label in unique_labels:
    label_coords = umap_coords[labels == label]
    center_x = label_coords[:, 0].mean()
    center_y = label_coords[:, 1].mean()
    plt.text(center_x, center_y, label, fontsize=10, ha='center', va='center')
plt.grid(False)
plt.title('majority_voting', fontsize=14)
plt.xlabel('UMAP 1', fontsize=12)
plt.ylabel('UMAP 2', fontsize=12)
plt.show()