1. 单细胞数据分析入门指南
单细胞RNA测序(scRNA-seq)技术正在彻底改变我们对细胞异质性的理解。想象一下,传统测序就像把水果沙拉打成糊状后品尝,而单细胞测序则像是把每种水果分开来单独品尝——这才是真正理解复杂生物系统的关键。
在Python生态中,Scanpy无疑是最强大的单细胞分析工具。它就像生物信息学家的瑞士军刀,集成了从数据预处理到高级可视化的全流程功能。我刚开始接触单细胞分析时,曾被R语言的Seurat和Python的Scanpy选择困扰,但后来发现Scanpy在处理大规模数据集时表现更出色,特别是当样本量超过1万个细胞时。
安装Scanpy非常简单,使用pip就能搞定:
python复制pip install scanpy
但要注意,单细胞分析是计算密集型任务。我建议至少准备16GB内存的电脑,处理10万级细胞数据时最好使用服务器。第一次运行时,我被内存不足的问题困扰了很久,后来发现可以先对数据进行下采样。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据加载与初步探索
2.1 读取10x Genomics数据
10x Genomics是目前最常用的单细胞测序平台。Scanpy提供了专门的方法读取其输出:
python复制import scanpy as sc
adata = sc.read_10x_mtx(
'path/to/filtered_feature_bc_matrix/', # 包含matrix.mtx.gz的目录
var_names='gene_symbols', # 使用基因符号而非ID
cache=True # 缓存加速后续读取
)
这里有个实用技巧:设置cache=True可以显著加快二次读取速度。我在分析50个样本时,这个参数节省了数小时等待时间。
2.2 数据质量检查
拿到数据后,首先要检查细胞和基因的基本信息:
python复制print(adata)
输出类似:
code复制AnnData object with n_obs × n_vars = 10000 × 20000
obs: 'n_genes', 'total_counts'
var: 'gene_ids', 'feature_types'
重点关注三个指标:
