构建单细胞参考数据

用途

使用cell2locationMakeRef构建cell2location的单细胞参考inf_aver.csv文件

运行方式

SDAS cellAnnotation cell2locationMakeRef -o ./ref --reference sc.h5ad --label_key annotation \
--batch_key id \
--nonz_mean_cutoff 1.45 \
--gpu_id 3

输入参数说明

参数	是否必须	默认值	描述
-o / --output	是		输出文件夹
--reference	是		单细胞ref h5ad，要求有原始表达矩阵
--label_key	是		单细胞ref h5ad.obs中表示细胞类型的列的名称
--ref_layer	否		单细胞ref h5ad存放raw counts的layer
--ref_gene_symbol_key	否	_index	单细胞ref h5ad.var中表示基因名(symbol)的列的名称 (_index 表示使用h5ad.var.index)
--batch_key	否		单细胞ref h5ad.obs中表示批次的列的名称，不输入则不考虑批次
--filter_rare_cell	否	100	如果某些细胞类型在单细胞ref中细胞数小于此值，则过滤掉这些细胞类型
--check_filter_genes	否		如果设置此参数，则只输出筛选基因的结果图filter_genes.png
--cell_count_cutoff	否	5	控制cell2location筛选基因的参数，一般不调整
--cell_percentage_cutoff2	否	0.03	控制cell2location筛选基因的参数，值越大筛选出的基因越少，基因数推荐控制在8k-16k
--nonz_mean_cutoff	否	1.12	控制cell2location筛选基因的参数，值越大筛选出的基因越少，基因数推荐控制在8k-16k
--max_epochs	否	250	模型训练epoch数
--seed	否	42	随机种子设置
--gpu_id	否	-1	使用的GPU的编号，如果为-1，则使用CPU。 此参数只指定主要使用的GPU，其他GPU也会被占用，但占用量很低。如果需要严格指定GPU，请在运行前设置环境变量，如: export CUDA_VISIBLE_DEVICES=2，此时再设置--gpu_id 0，则会只使用2号GPU
--n_threads	否		CPU模式下使用的线程数，默认为全部CPU

输出结果展示

结果文件	描述
<reference_name>_filter_genes.png/pdf	Cell2location筛选基因的结果图 (<reference_name>为单细胞ref h5ad文件名)
<reference_name>_train_history.png/pdf	训练Loss下降图
<reference_name>_inf_aver.csv	Cell2location构建的单细胞ref csv

• Cell2location筛选基因的结果图：<reference_name>_filter_genes.png/pdf橙色区域标出了根据表达该基因的细胞数 (Y轴) 和该基因在被检测到的细胞中的平均RNA计数 (X轴) 共同筛选后被排除的基因。图片标题中的基因数为筛选出的基因数，推荐控制在8k-16k

• 训练Loss下降图：<reference_name>_train_history.png/pdf训练过程中ELBO loss的变化曲线，图中已去除前20个epoch的数据

• Cell2location构建的单细胞ref csv：<reference_name>_inf_aver.csv每一行为一个基因，每一列为一个细胞类型，数值为cell2location计算的细胞类型特征 (用负二项回归模型计算的每个细胞类型每个基因的预估表达量)

	B_act	B_naive	CD4_CXCL13	...
7SK	0.3071783	0.22791654	0.059129756	...
A1BG	0.18173707	0.096046284	0.0936929	...
A1BG-AS1	0.04608244	0.042425267	0.08740552	...
A1CF	0.00167472	0.000960604	0.002093679	...
...	...	...	...	...