本期内容展示Stereopy的Cell Bin的处理，即bin1的时候的教程
一、代码教程
1、读取数据生成 StereoExpData 对象
import stereo as st
import warnings
warnings.filterwarnings('ignore')
data_path = 'sample.cellbin.gef'
st.io.read_gef_info(data_path)
data = st.io.read_gef(file_path=data_path, bin_type='cell_bins')
data
StereoExpData object with n_cells X n_genes = 51601 X 30798
bin_type: cell_bins
offset_x = None
offset_y = None
cells: ['cell_name']
genes: ['gene_name']
2、质控
#质控,对以下三个指标进行total_counts,n_genes_by_counts,pct_countss_mt
#这个函数就完成了这三个指标的计算
data.tl.cal_qc()
data#发现比上次data中多了cells，和genes的label
StereoExpData object with n_cells X n_genes = 51601 X 30798
bin_type: cell_bins
offset_x = None
offset_y = None
cells: ['cell_name', 'total_counts', 'n_genes_by_counts', 'pct_counts_mt']
genes: ['gene_name', 'n_cells', 'n_counts', 'mean_umi']
#可视化
data.plt.violin()
data.plt.spatial_scatter()
data.plt.genes_count()
image.png
image.png
image.png
3、过滤，根据QC部分计算的质量控制指标，和散点图观察的细胞的分布去设置合适的参数过滤细胞。
#去除线粒体基因表达过多、表达基因不足且超出计数范围的细胞。
data.tl.filter_cells(
min_gene=200,
min_n_genes_by_counts=3,
max_n_genes_by_counts=2500,
pct_counts_mt=5,
inplace=True
)
#去掉，在细胞中表达次数过低的基因，这里参考的是seurat的参数
data.tl.filter_genes(min_cell=3)
4、标准化Normalization
官方给出的方法：
教程里的代码使用的是normalize_total和log1p，scale，这个过程和seurat的流程一样
# inplace is set to True by default
data.tl.normalize_total()
data.tl.log1p()
#计算高变基因
data.tl.highly_variable_genes(
min_mean=0.0125,
max_mean=3,
min_disp=0.5,
n_top_genes=2000,
res_key='highly_variable_genes'
)
#高变基因可视化
data.plt.highly_variable_genes(res_key='highly_variable_genes')
#scale
data.tl.scale()
image.png
5、embedding，这个也和seurat类似
data.tl.pca(
use_highly_genes=True,
n_pcs=30,
res_key='pca'
)
data.tl.neighbors(pca_res_key='pca', res_key='neighbors')
data.tl.umap(
pca_res_key='pca',
neighbors_res_key='neighbors',
res_key='umap'
)
#umap可视化，查看两个基因的umap图
data.plt.umap(gene_names=['Atpif1', 'Tmsb4x'], res_key='umap')
image.png
6、clustering，提供三种常见的聚类方法，包括Leiden，Louvain和Phenograph
data.tl.leiden(neighbors_res_key='neighbors',res_key='leiden')
#可视化
data.plt.cluster_scatter(res_key='leiden')
data.plt.umap(res_key='umap', cluster_key='leiden')
image.png
image.png
7、查找标记基因
data.tl.find_marker_genes(
cluster_res_key='phenograph',
method='t_test',
use_highly_genes=False,
use_raw=True
)
#可视化每组中前10个标记基因的排名和得分
data.plt.marker_genes_text(
res_key='marker_genes',
markers_num=10,
sort_key='scores'
)
#可视化每组中前5个标记基因的气泡图
data.plt.marker_genes_scatter(res_key='marker_genes', markers_num=5)
#通过logfc等过滤掉基因
data.tl.filter_marker_genes(
marker_genes_res_key='marker_genes',
min_fold_change=1,
min_in_group_fraction=0.25,
max_out_group_fraction=0.5,
res_key='marker_genes_filtered'
)
image.png
image.png
7、注释
#注释的字典太长，没写完
annotation_dict = {
'1':'a',
'2':'b',
'3':'c',
'4':'d',
'5':'e',
'6':'f',
'7':'g'
}
data.tl.annotation(
annotation_information=annotation_dict,
cluster_res_key='leiden',
res_key='anno_leiden'
)
#可视化
data.plt.cluster_scatter(res_key='anno_leiden')
image.png
二、小结
1、过滤参数的设置，不要过于严格，不然空间位点的图空点会过多。
2、Normalization的方法较多，在选择方法时要思考，不要无脑按照教程搬。
3、降维时pca等设置的参数由于不同的Normalization，设置的细节也有差别。
4、clustering分群时用的方法有三种，也需要选择。我比较习惯用Louvain。
总之，教程只是一个引导，抛砖引玉的过程，细节部分大家自行考量。
如有错误之处，请留言指正。
