用途
Scanpy 是一个基于 AnnData 的可扩展 Python 单细胞 RNA-seq 数据分析工具。该技能适用于完整的单细胞分析工作流，包括质量控制、归一化、降维、聚类、标记基因识别、可视化以及轨迹分析。
适用场景包括：分析单细胞 RNA-seq 数据（.h5ad、10X、CSV 格式）；对 scRNA-seq 数据集进行质量控制；创建 UMAP、t-SNE 或 PCA 可视化；识别细胞聚类并寻找标记基因；基于基因表达注释细胞类型；进行轨迹推断或伪时间分析；生成可发表级质量的单细胞图表。
主要能力
- 数据读取：支持从 10X Genomics（read_10x_mtx、read_10x_h5）、h5ad（AnnData 格式）和 CSV 读取数据。
- AnnData 结构：adata.X（表达矩阵，细胞×基因）、adata.obs（细胞元数据）、adata.var（基因元数据）、adata.uns（非结构化注释）、adata.obsm（多维细胞数据，如 PCA、UMAP）、adata.raw（原始数据备份）。
- 质量控制：识别线粒体基因、计算 QC 指标、可视化 QC 指标、过滤细胞与基因。
- 归一化与预处理：normalize_total、log1p、保存原始计数、识别高变基因（HVG）、回归去除不必要变异、缩放。
- 降维：PCA（含肘部图检查）、邻接图计算、UMAP、t-SNE。
- 聚类：Leiden 聚类（推荐）、Louvain，可尝试多个分辨率寻找最优粒度。
- 标记基因识别：rank_genes_groups（wilcoxon 等方法）及可视化（rank_genes_groups、热图、点图）。
- 细胞类型注释：定义已知细胞类型标记基因、可视化标记、手动注释、可视化注释结果。
- 轨迹推断：PAGA、扩散伪时间（DPT）。
- 条件间差异表达、基因集打分、批次校正（ComBat）。
- 保存结果：processed_data.h5ad、细胞元数据与基因元数据 CSV。
使用方式
基本设置：导入 scanpy、pandas、numpy，配置 verbosity、图形参数与输出目录。
标准分析工作流：
- 质量控制：标记线粒体基因（如 MT- 开头），calculate_qc_metrics，violin 可视化，filter_cells（min_genes）、filter_genes（min_cells），按 pct_counts_mt 过滤。
- 归一化与预处理：normalize_total（target_sum=1e4）、log1p、adata.raw = adata、highly_variable_genes（n_top_genes=2000）、子集化、regress_out、scale。
- 降维：pca（svd_solver='arpack'）、pca_variance_ratio（检查肘部图）、neighbors（n_neighbors、n_pcs）、umap、tsne。
- 聚类：leiden（resolution）、可视化。
- 标记基因识别：rank_genes_groups、可视化、get.rank_genes_groups_df。
- 细胞类型注释：标记基因列表、umap/dotplot 可视化、手动映射、可视化注释。
- 保存结果。
可直接运行示例命令： python scripts/qc_analysis.py input_file.h5ad --output filtered.h5ad python scripts/qc_analysis.py input.h5ad --output filtered.h5ad --mt-threshold 5 --min-genes 200 --min-cells 3
模板使用： cp assets/analysis_template.py my_analysis.py python my_analysis.py
关键可调参数：QC 中 min_genes（通常 200-500）、min_cells（通常 3-10）、pct_counts_mt（通常 5-20%）；归一化 target_sum（默认 1e4）；特征选择 n_top_genes（通常 2000-3000）；降维 n_pcs、n_neighbors（通常 10-30）；聚类 resolution（0.4-1.2，越高聚类越多）。
限制与注意事项
- 官方文档：https://scanpy.readthedocs.io/ ；教程：https://scanpy-tutorials.readthedocs.io/ ；scverse 生态：https://scverse.org/ 。
- Harmony 或 scVI 需使用单独的包，非 Scanpy 内置。
- 建议始终保存原始计数（adata.raw）；根据数据质量调整 QC 阈值；推荐使用 Leiden 而非 Louvain；尝试多个聚类分辨率；用多个标记基因验证细胞类型注释；基因表达图使用 use_raw=True；检查 PCA 方差比；保存中间结果。
- 本介绍未提供收费、价格、平台等信息。