SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场pydeseq2

pydeseq2

数据与分析

查看项目

更新于 10-21 16:27

技能介绍

用途

PyDESeq2 是 DESeq2 的 Python 实现，用于对 bulk RNA-seq 计数数据进行差异表达分析。该技能帮助设计并执行从数据加载到结果解读的完整工作流，包括公式化的单因素与多因素设计、带多重检验校正的 Wald 检验、可选的 apeGLM 收缩，以及与 pandas 和 AnnData 的集成。

适用场景

  • 分析 bulk RNA-seq 计数数据以寻找差异表达
  • 比较实验条件之间的基因表达（例如处理组 vs 对照组）
  • 执行考虑批次效应或协变量的多因素设计
  • 将基于 R 的 DESeq2 工作流转换为 Python
  • 将差异表达分析集成到基于 Python 的流程中
  • 用户提到 "DESeq2"、"differential expression"、"RNA-seq analysis" 或 "PyDESeq2"

主要能力

  • 数据准备：要求原始整数计数，基因为列、样本为行，并配有匹配的元数据；不得向 DESeq2 输入归一化或转换后的值。
  • 设计指定：指定设计因子及每个因子的参考水平。
  • DESeq2 拟合：计算 size factors、离散度（dispersions）和 GLM 拟合。
  • 统计检验：针对指定对比（contrast）执行 Wald 检验。
  • 可选 LFC 收缩：用于排序和可视化。
  • 结果导出：输出带校正 p 值的结果表。
  • 多因素设计、对比和交互项支持。
  • 结果解读：按校正 p 值、效应量筛选显著基因，区分上调和下调，排序与质量指标检查。
  • 可视化：火山图与 MA 图。
  • 常见问题排查：数据格式、设计矩阵、无显著基因等。

使用方式

标准分析可通过 Python API 完成：加载计数与元数据、过滤低计数基因、显式设置参考水平、构建 DeseqDataSet 并调用 deseq2()、用 DeseqStats 执行统计检验、访问 results_df 结果。

技能还包含一个完整的命令行脚本 scripts/run_deseq2_analysis.py，支持参数如 --counts、--metadata、--design、--contrast、--output、--min-counts、--alpha、--n-cpus、--shrink-coeff、--plots。脚本功能包括自动数据加载与验证、基因与样本过滤、完整 DESeq2 流程执行、可定制参数的统计检验、结果导出（CSV 和可移植的 AnnData/H5AD）、PyDESeq2 0.5.x 的显式 LFC 收缩系数支持，以及可选可视化（火山图和 MA 图）。

安装与要求

安装命令：uv pip install pydeseq2==0.5.4

系统要求：Python 3.11+、PyDESeq2 0.5.4、pandas 2.2.0+、numpy 2.0.0+、scipy 1.12.0+、scikit-learn 1.4.0+、anndata 0.11.0+、formulaic 1.0.2+ 和 formulaic-contrasts 0.2.0+。可视化可选依赖 matplotlib 和 seaborn。

关键提醒

  • 数据方向很重要：计数矩阵通常以基因 × 样本加载，但需要样本 × 基因，必要时用 .T 转置。
  • 样本过滤：分析前移除元数据缺失的样本。
  • 基因过滤：过滤低计数基因（如总读数 < 10）以提升功效并减少计算时间。
  • 设计公式顺序：将校正变量放在关注变量之前（如 "~batch + condition" 而非 "~condition + batch"）。
  • LFC 收缩时机：在统计检验之后应用，仅用于可视化/排序；p 值仍基于未收缩估计。
  • 结果解读：使用 padj < 0.05 判断显著性，而非原始 p 值；Benjamini-Hochberg 过程控制错误发现率。
  • 对比指定格式为 [变量, 测试水平, 参考水平]。
  • 保存中间对象：优先使用 dds.to_picklable_anndata().write_h5ad("dds_result.h5ad") 以获得可移植输出；只加载自己创建且信任的 pickle 文件。

限制

该技能要求输入为原始整数计数，不接受归一化或转换后的值。设计矩阵若不满秩（如变量混杂）会报错，需移除混杂变量或添加交互项。无显著基因可能由效应量小、生物学变异高、样本量不足或技术问题（批次效应、离群值）导致。版本相关细节可能过时，应以所安装版本的官方文档为准。不得编造结果、参数、标识符、引用或统计量；不得超出统计支持范围解读生物学意义。

参考资源

官方文档：https://pydeseq2.readthedocs.io GitHub 仓库：https://github.com/scverse/PyDESeq2 发表文献：Muzellec et al. (2023) Bioinformatics, DOI: 10.1093/bioinformatics/btad547 原始 DESeq2 (R)：Love et al. (2014) Genome Biology, DOI: 10.1186/s13059-014-0550-8