SuperAPI AI 工具集

single-cell-downstream-analysis

通用与其它

查看项目

更新于 10-16 02:38

技能介绍

用途:将 OmicVerse 单细胞下游教程整理为可执行清单,覆盖 AUCell 通路打分、拟细胞(metacell)差异表达、细胞类型与组成差异分析、scDrug 药敏预测、SCENIC 调控子发现、cNMF 程序发现、NOCD 重叠社区检测及 lazy 流水线与报告生成。

主要能力与用法:

  • AUCell:用 ov.single.geneset_aucell、ov.single.pathway_aucell、ov.single.pathway_aucell_enrichment 对单条或多条通路打分,需先备好 embedding;结果视为 0–1 表达样数值,可用 sc.tl.rank_genes_groups 找簇富集通路,并可用 adata_aucs.write_h5ad 保存。
  • 拟细胞 DEG:需保留 adata.raw,先做 ov.pp.qc、ov.pp.preprocess、ov.pp.scale、ov.pp.pca;用 ov.bulk.pyDEG 与 ov.single.MetaCell(..., use_gpu=True) 构建,结合火山图与箱线图检查。
  • 细胞类型与组成 DEG:用 ov.single.DEG(method='wilcoxon'|'t-test'|'memento-de')、ov.single.DCT(method='sccoda'|'milo'),需 condition、cell_label 等注释;Milo 需先做预处理、批次校正、neighbors 与 UMAP。
  • scDrug:需肿瘤数据、基因注释、GDSC 与 CaDRReS 模型下载及克隆 https://github.com/CSB5/CaDRReS-Sc;调用 ov.single.autoResolution 与 ov.single.Drug_Response。
  • SCENIC:需 cisTarget 数据库与 motif 注释,初始化 ov.single.SCENIC(adata, db_glob=..., motif_path=..., n_jobs=12),检查调控子活性矩阵与 RSS。
  • cNMF:预处理后实例化 ov.single.cNMF,依次 factorize、combine、k_selection_plot、consensus,再 load_results、get_results。
  • NOCD:用 ov.single.scanpy_lazy 预处理后,经 ov.single.scnocd 链式调用;资料提示该实现仍在开发中,结果可能不稳定。
  • lazy:ov.single.lazy(adata, species='mouse', sample_key='batch', ...),并用 ov.single.generate_scRNA_report 生成报告。

限制:多数模块需原始计数、embedding 或注释元数据;SCENIC、Milo、Memento 等依赖多核 CPU 或 GPU 与较大磁盘、内存;scDrug 需外部 CaDRReS-Sc 环境;具体收费、价格与效果资料暂未提供。