Seurat-Scanpy互通 | R-Python互通

Tips:

Atlas级别的数据，需要做加速处理，比如常见的marker鉴定，不要用seurat默认的函数，非常慢。

presto包的算法复杂度极低，再大的数据基本一分钟内就能出结果。

markers_rna <- presto:::wilcoxauc.Seurat(X = all.colon, group_by = 'Major', assay = 'data', seurat_assay = 'integrated')
# markers_motifs <- presto:::wilcoxauc.Seurat(X = seuset.flt, group_by = 'celltype', assay = 'data', seurat_assay = 'chromvar')

单细胞数据分析发展到现在，已经分化为两大阵营，Seurat和Scanpy，一个代表了R，有丰富的多组学package支持，一个代表了Python，为大数据和AI而生，都有其各自独特的优势，不可被取代。

作为资深用户就很烦了，懂一个是不行的，必须两个都用，所以R和Python语言你必须都精通，否则非常影响项目的数据分析进展。

我也是最先接触Python的，但后面就专心与R，他们语法存在一定的混淆和冲突，所以我只能放弃一个。经过整个博士的训练，我自认为已经精通R了，没有任何问题能把我难倒，Debug小王子。

但现在我不得不捡起Python，因为Scanpy是在是不得不用，以下就记录一些Python中对应的R的核心功能，以便实时查阅。

Seurat对象转Scanpy对象h5ad

【只能导出一个layer，RNA或者ATAC，好处就是metadata都在】默认是导出scale.data的slot，需要指定一下。

library(sceasy)
library(reticulate)
sceasy::convertFormat(seuset.flt.allen.D21, from="seurat", to="anndata", assay = "RNA",
                       outFile='keyRdata/seuset.flt.allen.D21.RNA.h5ad')

sceasy::convertFormat(escc.seuset, from="seurat", to="anndata", assay = "RNA", main_layer = "count",
                       outFile='escc.seuset_RNA.h5ad')

Scanpy读取h5ad

adata_ref = sc.read_h5ad(os.path.join(work_dir, '/home/zz950/projects/ApcKO_multiomics/keyRdata/seuset.flt.allen.D21.RNA.h5ad'))

Seurat读取h5ad【来自Python的】

【不要用SeuratDisk的LoadH5Seurat，就用最原始的anndata，只需要count matrix和metadata即可】

library("Seurat")
library("anndata")
data <- read_h5ad("Kang_2022_Stomach_Reference.h5ad")
stomach.ref <- CreateSeuratObject(counts = t(data$X), meta.data = data$obs)
print(str(stomach.ref))

Seurat读取h5ad【来自10x的】

data <- Read10X_h5("download/Epithelial_Count_matrix.h5")
Epithelial_metadata <- read.csv("download/Epithelial_metadata.csv", row.names = 1)
Epithe.seuset <- CreateSeuratObject(counts = data, meta.data = Epithelial_metadata)

Scanpy的数据结构

adata.var
adata.obs
adata.X
adata.raw

查看原始数据

pd.DataFrame.sparse.from_spmatrix(gc.X[0:10,0:10])

Scanpy基本操作

UMAP改颜色

import matplotlib as mpl
sc.pl.umap(adata, color=['Sox9', 'Ly6a', 'Tacstd2'], palette="Set2", color_map=mpl.cm.Reds)

import seaborn as sns
blue = sns.color_palette('light:blue', as_cmap = True)

Continuous color schemes are given with the color_map argument, categorical schemes are given with palette. All the scatter plots (scatter, pca, tsne, umap, etc...) share these arguments.　　

Scanpy obs metadata操作

创建一个新的df
变换cellName
行或列取子集
按行或列合并两个df
某一列的字符串split
取两个vector交集
正则匹配

创建一个新的df

import pandas as pd
ref_df = pd.DataFrame(index=a)
ref_df["rawName"] = b
# or
d = {'col1': [1, 2], 'col2': [3, 4]}
df = pd.DataFrame(data=d, index=a)

修改列名

chromsizes.columns = ["Chromosome", "Start", "End"]

按行取子集

adata = adata[:, var_names]

按列取子集

类似seurat和R里的%in%函数，非常常用

adata_subset = adata[adata.obs['celltype'].isin(['a', 'b'])]

按行合并两个df

类似R里的cbind，按索引合并

merged_df = adata.obs.merge(ref_anno, left_index=True, right_index=True)

按列拼装两个df

类似R里的rbind

df1.append(df2)

某一列的字符串split

类似R里的strsplit函数，提取自己需要的信息【这个python比R的语法简单】

[i.split("-")[0] for i in adata_ref.obs.index]

取两个vector交集

var_names = adata_ref.var_names.intersection(adata.var_names)

元素计数，类似R的table函数

pd.value_counts(gene_sets.term)

human和mouse基因大小转换

fetal_genes[0].str.upper().values

R float的matrix转化为integer

df_float_to_int <- function(counts){
  counts<-apply(counts,2,function(x) {storage.mode(x) <- 'integer'; x})
  return(counts)
}

参考：

scanpy pipeline： http://localhost:17435/notebooks/projects/MRK60/single-cell-org/Python-visualization.ipynb

posted @ 2023-08-15 04:41 Life·Intelligence 阅读(3085) 评论(0) 编辑收藏举报

刷新页面返回顶部

Digital-LI

Seurat-Scanpy互通 | R-Python互通