python单细胞自动注释工具celltypist(排版不抽风版)

科技   2024-10-17 10:18   广东  

 今天是生信星球陪你的第1009天


   

公众号里的文章大多数需要编程基础,如果因为代码看不懂,而跟不上正文的节奏,可以来找我学习,相当于给自己一个新手保护期。我的课程都是循环开课,点进去咨询微信↓

生信分析直播课程(每月初开一期,春节休一个月)

生信新手保护学习小组(每月两期)

单细胞陪伴学习小组(每月两期)

昨天发的排版抽风,重新发。

  • 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()


生信星球
一个零基础学生信的平台-- 原创结构化图文/教程,精选阶段性资料,带你少走弯路早入门,收获成就感,早成生信小能手~
 最新文章