Suporte upstream incluído

Arquivos de suporte estão incluídos em caminhos relativos à skill. Veja UPSTREAM-NOTICE.md para suas fontes fixadas, licenças, hashes e alterações de importação.

Scanpy: Análise de Célula Única

Visão Geral

Scanpy é um kit de ferramentas Python escalável para analisar dados de RNA-seq de célula única, construído sobre AnnData. Aplique esta skill para fluxos de trabalho completos de célula única, incluindo controle de qualidade, normalização, redução de dimensionalidade, clusterização, identificação de genes marcadores, visualização e análise de trajetória.

Quando Usar Esta Skill

Esta skill deve ser usada quando:

• Analisar dados de RNA-seq de célula única (formatos .h5ad, 10X, CSV)
• Realizar controle de qualidade em conjuntos de dados de scRNA-seq
• Criar visualizações UMAP, t-SNE ou PCA
• Identificar clusters de células e encontrar genes marcadores
• Anotar tipos de células com base na expressão gênica
• Conduzir inferência de trajetória ou análise de pseudotempo
• Gerar gráficos de célula única de qualidade para publicação

Início Rápido

Importação e Configuração Básicas

import scanpy as sc
import pandas as pd
import numpy as np

# Configure settings
sc.settings.verbosity = 3
sc.settings.set_figure_params(dpi=80, facecolor='white')
sc.settings.figdir = './figures/'

Carregando Dados

# From 10X Genomics
adata = sc.read_10x_mtx('path/to/data/')
adata = sc.read_10x_h5('path/to/data.h5')

# From h5ad (AnnData format)
adata = sc.read_h5ad('path/to/data.h5ad')

# From CSV
adata = sc.read_csv('path/to/data.csv')

Entendendo a Estrutura do AnnData

O objeto AnnData é a estrutura de dados principal no scanpy:

adata.X          # Expression matrix (cells × genes)
adata.obs        # Cell metadata (DataFrame)
adata.var        # Gene metadata (DataFrame)
adata.uns        # Unstructured annotations (dict)
adata.obsm       # Multi-dimensional cell data (PCA, UMAP)
adata.raw        # Raw data backup

# Access cell and gene names
adata.obs_names  # Cell barcodes
adata.var_names  # Gene names

Fluxo de Trabalho de Análise Padrão

1. Controle de Qualidade

Identifique e filtre células e genes de baixa qualidade:

# Identify mitochondrial genes
adata.var['mt'] = adata.var_names.str.startswith('MT-')

# Calculate QC metrics
sc.pp.calculate_qc_metrics(adata, qc_vars=['mt'], inplace=True)

# Visualize QC metrics
sc.pl.violin(adata, ['n_genes_by_counts', 'total_counts', 'pct_counts_mt'],
             jitter=0.4, multi_panel=True)

# Filter cells and genes
sc.pp.filter_cells(adata, min_genes=200)
sc.pp.filter_genes(adata, min_cells=3)
adata = adata[adata.obs.pct_counts_mt < 5, :]  # Remove high MT% cells

Use o script de QC para análise automatizada:

python scripts/qc_analysis.py input_file.h5ad --output filtered.h5ad

2. Normalização e Pré-processamento

# Normalize to 10,000 counts per cell
sc.pp.normalize_total(adata, target_sum=1e4)

# Log-transform
sc.pp.log1p(adata)

# Save raw counts for later
adata.raw = adata

# Identify highly variable genes
sc.pp.highly_variable_genes(adata, n_top_genes=2000)
sc.pl.highly_variable_genes(adata)

# Subset to highly variable genes
adata = adata[:, adata.var.highly_variable]

# Regress out unwanted variation
sc.pp.regress_out(adata, ['total_counts', 'pct_counts_mt'])

# Scale data
sc.pp.scale(adata, max_value=10)

3. Redução de Dimensionalidade

# PCA
sc.tl.pca(adata, svd_solver='arpack')
sc.pl.pca_variance_ratio(adata, log=True)  # Check elbow plot

# Compute neighborhood graph
sc.pp.neighbors(adata, n_neighbors=10, n_pcs=40)

# UMAP for visualization
sc.tl.umap(adata)
sc.pl.umap(adata, color='leiden')

# Alternative: t-SNE
sc.tl.tsne(adata)

4. Clusterização

# Leiden clustering (recommended)
sc.tl.leiden(adata, resolution=0.5)
sc.pl.umap(adata, color='leiden', legend_loc='on data')

# Try multiple resolutions to find optimal granularity
for res in [0.3, 0.5, 0.8, 1.0]:
    sc.tl.leiden(adata, resolution=res, key_added=f'leiden_{res}')

5. Identificação de Genes Marcadores

# Find marker genes for each cluster
sc.tl.rank_genes_groups(adata, 'leiden', method='wilcoxon')

# Visualize results
sc.pl.rank_genes_groups(adata, n_genes=25, sharey=False)
sc.pl.rank_genes_groups_heatmap(adata, n_genes=10)
sc.pl.rank_genes_groups_dotplot(adata, n_genes=5)

# Get results as DataFrame
markers = sc.get.rank_genes_groups_df(adata, group='0')

6. Anotação de Tipo Celular

# Definir genes marcadores para tipos celulares conhecidos
genes_marcadores = ['CD3D', 'CD14', 'MS4A1', 'NKG7', 'FCGR3A']


…