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：

• normalize_total
• log1p
• scale
• scTransform
• quantile

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。