百万级别的单细胞数据是怎样完成注释的(python)

用户11414625

发布于 2025-03-06 21:57:02

4900

代码可运行

文章被收录于专栏：生信星球520生信星球520

运行总次数：0

代码可运行

这是python版，改天再发R语言版的。

import pandas as pd
import scanpy as sc
import matplotlib.pyplot as plt
sc.set_figure_params(dpi=100, color_map = 'viridis_r', transparent=False, frameon=False)

1.输入数据

adata.h5ad中存储的是已经初次注释好的对象adata。其中self_annotation列是细胞类型注释。

adata_Fibro.obs.csv是成纤维细胞二次分群+注释得到的obs信息。在本公众号聊天框(注意不是评论区)回复：anno1035可以获取本文的示例数据。

adata = sc.read('adata.h5ad')
adata

AnnData object with n_obs × n_vars = 11727 × 21189
    obs: 'batch', 'group', 'n_genes', 'n_genes_by_counts', 'total_counts', 'total_counts_mt', 'pct_counts_mt', 'total_counts_ribo', 'pct_counts_ribo', 'total_counts_hb', 'pct_counts_hb', 'leiden', 'predicted_labels', 'over_clustering', 'majority_voting', 'conf_score', 'self_annotation'
    var: 'n_cells', 'mt', 'ribo', 'hb', 'n_cells_by_counts', 'mean_counts', 'pct_dropout_by_counts', 'total_counts', 'highly_variable', 'means', 'dispersions', 'dispersions_norm', 'mean', 'std'
    uns: 'batch_colors', 'group_colors', 'hvg', 'leiden', 'leiden_colors', 'log1p', 'majority_voting_colors', 'neighbors', 'over_clustering', 'pca', 'self_annotation_colors', 'umap'
    obsm: 'X_pca', 'X_pca_harmony', 'X_umap'
    varm: 'PCs'
    obsp: 'connectivities', 'distances'

sc.pl.umap(adata,color='self_annotation',legend_loc='on data',legend_fontsize=5)

subcell_annotator =  pd.read_csv('adata_Fibro.obs.csv', index_col=0)[['Minor_cluster']]
print(subcell_annotator)

                     Minor_cluster
CTCCTCCTCGACCACG-1         fibro 3
CATGGATCAAGTGATA-1         fibro 3
AGTCTCCGTTGGTGTT-1         fibro 3
CTCCGATTCGTAGCTA-1         fibro 3
CTCCTCCTCGACCACG-1-1       fibro 3
...                            ...
ACCCAAAGTATCCTTT-1-1       fibro 2
ATGCATGTCAGATTGC-1         fibro 3
TACAGGTTCGGCTTGG-1         fibro 3
GACTTCCCAATGTTGC-1         fibro 1
TCATCATAGGCCTGCT-1-1       fibro 2

[2366 rows x 1 columns]

print(subcell_annotator.Minor_cluster.unique())

['fibro 3' 'fibro 2' 'fibro 1']

2.整合

将二次分群的结果整合到原来的adata的obs中去，这里使用了一个神奇的方法combine_first，一个身怀绝技而其貌不扬的扫地僧：它的作用是连接。

subcell_annotator的行名是（成纤维）细胞名称，adata.obs的行名是（全部）细胞名称，前者是后者的子集。

对于subcell_annotator中的细胞(成纤维细胞)，combine_first的结果是subcell_annotator['Minor_cluster']，对于subcell_annotator中的没有的细胞(非成纤维细胞)，combine_first的结果是adata.obs['self_annotation']。

也就是说有二次分群的就输出二次分群的注释结果，没有二次分群的就输出原来的注释结果！非常便捷的实现了二次分群的结果整合到原有的对象中，也就可以画在大的umap图里面！

按照这个思路，如果细胞数量太多，多种细胞的二次分群结果也都可以重新整合回大的umap图里。虽然这个技巧看着不起眼，但这也就是那些百万级别的单细胞数据那么大那么细致的umap图是怎么画出来的啦！是真正的大招啊！看你识货不。

adata.obs['Minor_cluster'] = subcell_annotator['Minor_cluster'].combine_first(adata.obs['self_annotation'])

print(adata.obs['self_annotation'].unique().tolist())

['T', 'B', 'Fibroblast', 'Smooth_muscle', 'Macrophage', 'Neutrophil', 'Plasma', 'Endothelial', 'NK', 'Mast']

print(adata.obs['Minor_cluster'].unique().tolist())

['T', 'B', 'fibro 3', 'Smooth_muscle', 'Macrophage', 'Neutrophil', 'Plasma', 'Endothelial', 'NK', 'Mast', 'fibro 2', 'fibro 1']

adata.obs['self_annotation'].value_counts()

self_annotation
T                4213
Fibroblast       2366
B                1530
Neutrophil       1084
Macrophage        809
Endothelial       651
Plasma            353
NK                335
Smooth_muscle     289
Mast               97
Name: count, dtype: int64

adata.obs['Minor_cluster'].value_counts()

Minor_cluster
T                4213
B                1530
fibro 2          1099
Neutrophil       1084
Macrophage        809
fibro 3           713
Endothelial       651
fibro 1           554
Plasma            353
NK                335
Smooth_muscle     289
Mast               97
Name: count, dtype: int64

注意看，前者是Fibroblasts，后者是细分之后的fibro 1，2，3。

sc.pl.umap(adata,color='Minor_cluster',legend_loc='on data',legend_fontsize=5)

图上也是，可以看出来成纤维细胞细分了，其他的还是原样。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2025-03-05，如有侵权请联系 cloudcommunity@tencent.com 删除

python

本文分享自生信星球微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度