10X单细胞（10X空间转录组）scanpy做多样本整合的智慧（bbknn）

最新推荐文章于 2025-05-12 22:10:49 发布

追风少年ii

最新推荐文章于 2025-05-12 22:10:49 发布

阅读量2.2k

点赞数 6

CC 4.0 BY-SA版权

文章标签：前端 javascript 开发语言

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_53637133/article/details/138210655

本文回顾了scanpy在处理10X单细胞数据时，如何使用Theingest函数进行多样本整合，尤其与Seurat方法的不同之处。强调了注释好的参考数据集在捕获生物学变异的重要性，并介绍了scanpy的透明工作流程，包括PCA、邻居查找等步骤。同时讨论了scanpy在整合中的特点，如简单透明、保持数据不变形以及解决标签映射问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

hello，大家好，今天我们来回顾一下，不讲新的东西，回顾一下scanpy做10X单细胞（10X空间转录组）多样本整合的方法，这个方法跟Seurat差别比较大，目前引用scanpy做多样本整合的文献还比较少，原因么，可能是seurat太过权威了吧，但是个人觉得还是很有智慧的，今天我们来回顾一下这个过程，探讨一下这里面需要注意的点。

首先来看看简介，The ingest function assumes an annotated reference dataset that captures the biological variability of interest.（这一句话就很重要，首先需要一个注释好的参考数据集，然后来“捕获”疾病样本的生物学变化）。The rational（理论） is to fit a model on the reference data and use it to project new data（用参考数据集拟合一个model，从而来插入新的数据集）. For the time being, this model is a PCA combined with a neighbor lookup search tree, for which we use UMAP’s implementation

这块儿需要注意了，做整合分析的时候，scanpy需要我们有一个注释好的data作为reference，从理性上讲应该这样，但很多时候我们用Seurat做整合用不到这个，个人欣赏scanpy的做法，更为理性。

一些特点

As ingest is simple and the procedure clear, the workflow is transparent and fast.
Like BBKNN, ingest leaves the data matrix itself

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。