Scanpy 是一个用于分析单细胞基因表达数据的可扩展工具包，构建在 AnnData 之上，重点支持聚类、轨迹推断和可视化。它用于处理高维生物数据，通过 PCA/UMAP 等降维方法识别组织或微生物组中的稀有细胞群体。
用途
Scanpy 适用于以下场景：分析单细胞 RNA 测序（scRNA-seq）数据；识别异质组织中的细胞类型和状态；重建发育轨迹；比较不同条件下的细胞群体；发现稀有细胞类型。
核心原则
AnnData 格式：Scanpy 使用 AnnData 对象，将表达矩阵、细胞元数据和基因注释存储在一起。
降维：将高维基因表达（20,000+ 基因）降至 2D/3D 以便可视化（PCA → UMAP/t-SNE）。
聚类：根据基因表达空间中的相似性对细胞进行分组，以识别细胞类型。
使用方式
标准导入：
import scanpy as sc import pandas as pd import numpy as np
基本模式：
1. 加载数据集（AnnData 对象）
adata = sc.read_h5ad("cells.h5ad")
或：adata = sc.read_10x_mtx("path/to/mtx")
2. 质控与归一化
sc.pp.filter_cells(adata, min_genes=200) sc.pp.filter_genes(adata, min_cells=3) sc.pp.normalize_total(adata, target_sum=1e4) sc.pp.log1p(adata)
3. 降维与可视化
sc.pp.highly_variable_genes(adata) sc.tl.pca(adata) sc.tl.umap(adata) sc.pl.umap(adata, color=['cell_type', 'gene_A'])
4. 聚类
sc.tl.leiden(adata, resolution=0.5) sc.pl.umap(adata, color='leiden')
关键规则
建议做法：设置 scanpy 配置，例如使用 sc.settings.verbosity = 3 获取进度信息；过滤低质量细胞，移除基因数过少或线粒体含量过高的细胞；分析前进行归一化，以消除测序深度差异；使用高变基因，将分析聚焦于有信息量的基因。
不建议做法：不要跳过质控，低质量细胞可能主导聚类结果；不要对原始计数使用 PCA，务必先归一化并进行对数变换；不要忽略批次效应，合并数据集时应使用批次校正（例如 sc.pp.harmony_integrate）。
高级模式
轨迹推断：
import cellrank as cr
重建发育轨迹
sc.tl.paga(adata) sc.pl.paga(adata) adata.uns['iroot'] = np.flatnonzero(adata.obs['cell_type'] == 'stem')[0] sc.tl.dpt(adata)
差异表达：
查找每个聚类的标记基因
sc.tl.rank_genes_groups(adata, 'leiden', method='wilcoxon') sc.pl.rank_genes_groups(adata, n_genes=20)
Scanpy 已经革新了单细胞生物学，使研究人员能够绘制组织的细胞多样性图谱，并理解细胞如何分化与发挥功能。