脚本更新---Cellular Neighbourhoods

作者，Evil Genius

马上5月了，离准备培训的日子越来越近了，在这之前需要把所有的内容脚本都优化、准备好，不然到时候闹笑话可就对不起学员了。

今天我们更新脚本针对的不是内容，而是针对python。

我们都知道python是一种面向对象的语言。

在Python中，面向对象编程（Object-Oriented Programming，简称OOP）是一种编程范式，它使用“对象”来设计软件。在OOP中，软件被组织成一系列的交互对象。每个对象都可以拥有数据（属性）和方法（函数）。

面向对象编程的三个基本概念：

• 类（Class）：定义了对象的蓝图或模板。它是一种数据类型，可以包含数据（属性）和方法（函数）。
• 实例（Instance）：类的具体化，或者说是一个具体的对象。它是类的一个实例。
• 方法（Method）：定义在类中的函数，用于执行对象的操作。

定义一个类

在Python中，你可以使用class关键字来定义一个类。以下是一个简单的类定义示例：

class Person:
    def __init__(self, name, age):
        self.name = name  # 实例变量
        self.age = age    # 实例变量
    
    def greet(self):
        print(f"Hello, my name is {self.name} and I am {self.age} years old.")

创建类的实例

创建类的实例非常简单，只需要使用类名并传入必要的参数（如果有init方法定义了初始化参数的话）：

person1 = Person("Alice", 30)

访问属性与方法

你可以通过点号（.）操作符来访问对象的属性或方法：

print(person1.name)  # 输出: Alice
person1.greet()      # 输出: Hello, my name is Alice and I am 30 years old.

继承

面向对象编程还支持继承，允许我们基于一个已存在的类来创建新的类。新类可以继承父类的属性和方法，并可以添加新的属性或覆盖父类的方法。

class Employee(Person):  # Employee类继承自Person类
    def __init__(self, name, age, employee_id):
        super().__init__(name, age)  # 调用父类的构造方法
        self.employee_id = employee_id  # 新增的实例变量
    
    def work(self):
        print(f"{self.name} is working.")

多态性

在Python中，由于动态类型语言的特点，多态性通常是通过方法重写实现的。子类可以重写父类的方法以提供不同的实现。

class Manager(Employee):
    def work(self):
        print(f"{self.name} is managing.")

通过这样的方式，你可以看到面向对象编程的强大和灵活性。你可以根据需要扩展和修改代码，同时保持清晰的模块化和可维护性。

上面的介绍是标准答案，来到我们的生信范畴，也要运用这一类的用法了，之前很少用，以后也要多接触接触了。

借助这种方法，我们升级一下，面向对象 + 脚本封装。

主要实现的内容

Cellular Neighbourhoods Analysis Pipeline

跟之前的用法还是一样的,leiden聚类示例

python Cellular_Neighbourhoods_analysis.py -i input_data.h5ad -o output_dir -s sample_prefix --leiden --resolution 0.5

kmeans聚类示例

python Cellular_Neighbourhoods_analysis.py -i input_data.h5ad -o output_dir -s sample_prefix --kmeans --k 10

其中需要的参数

必需参数：

-i/--input

输入文件路径（支持 .h5ad 或 .csv 格式）
示例：-i data.h5ad
注：文件需包含细胞特征矩阵（如基因表达或蛋白标记数据）。

-o/--output

输出目录路径，用于保存分析结果（如聚类文件、可视化图片）。
示例：-o results/
注：如果目录不存在，脚本会自动创建。

-s/--sample

样本名称前缀，用于筛选数据中的特定样本。
示例：-s Patient1_ 会保留所有以 Patient1_ 开头的细胞数据。
聚类方法（二选一）：

--leiden

使用 Leiden 算法（基于图的社区发现算法，适合复杂空间结构）。
需配合参数：--resolution（见下文）。

--kmeans

使用 K-means 算法（基于距离的划分聚类，适合球形分布数据）。
需配合参数：--k（必须指定簇数量）。

可选参数：

--resolution

Leiden 算法的分辨率参数（默认值：0.4）。
值越大，聚类结果越细（cluster越多）；值越小，cluster越少。
示例：--resolution 0.6

--k

K-means 的簇数量（仅在 --kmeans 时生效）。
示例：--k 10 表示将细胞分为 10 个cluster。

--seed

随机种子（默认值：42），用于保证结果可重复性。
示例：--seed 123

注意事项：

如果使用 --kmeans 但未指定 --k，脚本会报错。
使用 --leiden 时，--k 参数会被忽略（无需指定）。
输出结果包括：聚类结果、可视化图表（UMAP、空间分布等）。

主脚本