Scanpy - 技术栈

0.需求

一个可怜的医学生朋友突然开始学python，从hello world开始的那种，学了一周终于学会了print()的一百种应用。但是她导师说明天就要学会使用Scanpy做项目出图，于是我带着圣光来了。

前提：已经安装好anaconda。

1.创建环境，安装依赖

（1）创建新的conda环境，我这里起名scanpy

bash 复制代码

conda create -n scanpy

（2）激活该环境，也就是进入到这个环境

bash 复制代码

conda activate scanpy

（3）根据官网，安装依赖

bash 复制代码

conda install -c conda-forge scanpy python-igraph leidenalg

注意是在当前的 conda 环境里安装，这里涉及到三个生物信息学/单细胞分析常用的 Python 包

scanpy：单细胞转录组分析主力库

python-igraph：图论算法（Scanpy 做聚类、PAGA 时需要）

leidenalg：Leiden 社区检测算法（Scanpy 默认的聚类算法之一）

【非必要：拉取版本代码】

如果涉及scanpy库的实现原理这些，可以用该方法获取到代码包去了解。

git仓库在这：GitHub - scverse/scanpy: Single-cell analysis in Python. Scales to >100M cells.

【如果进不去】换个镜像会快一点，但是有可能不可用：GitHub - scverse/scanpy: Single-cell analysis in Python. Scales to >100M cells.

【如果没git】官网是用很炫酷的方法直接git clone下来，但是医学生可以用更直观的方式，直接下载，不至于再学git。直接点进去链接，手动下载。

这个下载的zip包里就是要运行的代码文件夹，解压到自己喜欢的地方，然后用编译器打开。

【如果有git】直接在目标存放代码的路径下执行git命令（使用对应的镜像）：

bash 复制代码

git clone https://github.com/scverse/scanpy.git

殊途同归，最后进入到主目录里：

bash 复制代码

cd scanpy

本地获取到整个目录结构：

2.预处理与聚类

官方教程使用notebook，那我们也创建一个新的ipynb文件。注意内核选择，即前面所创建的这个环境。接下来都按照官方教程走。

2.1 基础准备

（1）引入依赖包

python 复制代码

# Core scverse libraries
from __future__ import annotations
import anndata as ad
# Data retrieval
import pooch
import scanpy as sc

【报错】No module named 'pooch'，说明环境里没有这个包，那就在环境里装

bash 复制代码

conda install -c conda-forge pooch

（2）配置画图默认样式

一个全局配置，把以后所有 scanpy.pl.* 出的图，一次性设成尺寸50、背景纯白。

python 复制代码

sc.settings.set_figure_params(dpi=50, facecolor="white")

（3）下载数据

官方教程是联网下载了 figshare 上 DOI 对应的那个数据集。

python 复制代码

EXAMPLE_DATA = pooch.create(
    path=pooch.os_cache("scverse_tutorials"),
    base_url="doi:10.6084/m9.figshare.22716739.v1/",
)
EXAMPLE_DATA.load_registry_from_doi()

【报错】国内网络连 DOI 解析问题 。按照这个方法在本地下载：Scanpy教程-预处理和聚类数据集-CSDN博客

然后把下载后的2个h5文件放到缓存路径里。

【缓存路径的获取与创建】

python 复制代码

import pooch, os
path = pooch.os_cache("scverse_tutorials")
print(path) 
os.makedirs(path, exist_ok=True)

放完两个文件之后运行以下代码，pooch会从缓存里取到数据，就不会再联网下载了。文件现在被存放在 EXAMPLE_DATA 这个变量里。

python 复制代码

registry = {
    "s1d1_filtered_feature_bc_matrix.h5": "sha256:322c30a7a4905f7f113472442d4aa2c81a1ad736c86651f6c0b81e5b2ff94ac8", 
    "s1d3_filtered_feature_bc_matrix.h5": "sha256:ca40b287fac57ac2048f11f56f1b630c7c188718908fc217c6baf2e49bdb1982", 
}

EXAMPLE_DATA = pooch.create(
    path=pooch.os_cache("scverse_tutorials"),
    base_url="",  # 不需要联网
    registry=registry,
)

# 测试获取文件路径
path1 = EXAMPLE_DATA.fetch("s1d1_filtered_feature_bc_matrix.h5")
path3 = EXAMPLE_DATA.fetch("s1d3_filtered_feature_bc_matrix.h5")

print("文件路径：")
print(path1)
print(path3)

（4）加载与查看数据

从 EXAMPLE_DATA 里逐个抓取文件读取数据。

python 复制代码

samples = {
    "s1d1": "s1d1_filtered_feature_bc_matrix.h5",
    "s1d3": "s1d3_filtered_feature_bc_matrix.h5",
}
adatas = {}

for sample_id, filename in samples.items():
    path = EXAMPLE_DATA.fetch(filename)
    sample_adata = sc.read_10x_h5(path)
    sample_adata.var_names_make_unique()
    adatas[sample_id] = sample_adata

adata = ad.concat(adatas, label="sample")
adata.obs_names_make_unique()
print(adata.obs["sample"].value_counts())
adata