pre01-scrublet检测双细胞

回想起来自己从事生物相关的研究已经大概15年了，从研究生进入实验室也有10年时间，陆续从硕士，博士到博后，研究地点也从化学学院，到药学院再到医院科室。自己做的研究是“干-湿”实验结合的，发表的成果也是各自一半，但是综合起来还是生物信息分析的文章发表的影响因子高一些。到现在由于工作场所频繁发生变化，反而没有稳定的场所做实验，所以愈发的在生物信息方面下较多的功夫。因此我对这十几年来的生信研究进行总结，希望帮助新手克服生物信息陡峭的学习曲线，当然我自己也不是科班出身的，也希望与你一起交流学习。所有的内容均是以自己的实验数据(会明确下载地址给读者)操作来进行，避免某些在demo运行很好却在自己的环境中出现bug的情况。最后一点，现在通讯太发达了，欢迎大家与我微信：cll7658直接交流共同进步。
参考 单细胞数据质控-双细胞预测-scrublet使用教程 – 简书

下载数据并且解压

wget http://cf.10xgenomics.com/samples/cell-exp/2.1.0/pbmc8k/pbmc8k_filtered_gene_bc_matrices.tar.gz
tar xfz pbmc8k_filtered_gene_bc_matrices.tar.gz

然后使用python环境进行运算

# 载入包
%matplotlib inline
import scrublet as scr
import scipy.io
import matplotlib.pyplot as plt
import numpy as np
import os
import pandas as pd
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.sans-serif'] = 'Arial'
plt.rc('font', size=14)
plt.rcParams['pdf.fonttype'] = 42
# 读取下载的数据，将counts数据读成上次朋友数据。cell作为行，基因作为列
input_dir = '/Users/yuanzan/Desktop/doublets/filtered_gene_bc_matrices/GRCh38/'
counts_matrix = scipy.io.mmread(input_dir + '/matrix.mtx').T.tocsc()
genes = np.array(scr.load_genes(input_dir + '/genes.tsv', delimiter='\t', column=1))
out_df = pd.read_csv(input_dir + '/barcodes.tsv', header = None, index_col=None, names=['barcode'])
print('Counts matrix shape: {} rows, {} columns'.format(counts_matrix.shape[0], counts_matrix.shape[1]))
print('Number of genes in gene list: {}'.format(len(genes)))
# Counts matrix shape: 8381 rows, 33694 columns
# Number of genes in gene list: 33694
# 初始化Scrublet对象
scrub = scr.Scrublet(counts_matrix, expected_doublet_rate=0.06)
# 计算doublet score
doublet_scores, predicted_doublets = scrub.scrub_doublets(min_counts=2, min_cells=3, min_gene_variability_pctl=85, n_prin_comps=30)
# 绘制doublet score分布直方图
scrub.call_doublets(threshold=0.25)
# 画doublet score直方图
scrub.plot_histogram()
# 降维可视化
# 降维计算
print('Running UMAP...')
scrub.set_embedding('UMAP', scr.get_umap(scrub.manifold_obs_, 10, min_dist=0.3))
print('Done.')
# UMAP可视化
scrub.plot_embedding('UMAP', order_points=True)
# doublets占比
print (scrub.detected_doublet_rate_)
# 0.043789523923159525
# 把doublets预测结果保存到文件，后续用Seurat等软件处理的时候可以导入doublets的预测结果对barcode进行筛选。

下载笔记地址：blog/scrublet_basics.ipynb at 3288d2b414b7303a0bc6026409097a0c3051e223 · seqyuan/blog · GitHub
最后，如果感兴趣请加微信：cll7658，如果你有觉得比较重要的讨论即可。