Scanpy API 参考

# Scanpy API 快速参考 按模块组织的常用 scanpy 函数快速参考。 ## 导入约定 python import scanpy as sc ## 读取和写入数据 (sc.read_*) ### 读取函数 python sc.read_10x_h5(filename) # 读取 10X HDF5 文件 sc.read_10x_mtx(path) # 读取 10X mtx 目录 sc.read_h5ad(filename) # 读取 h5ad (AnnData) 文件 sc.read_csv(filename) # 读取 CSV 文件 sc.read_excel(filename) # 读取 Excel 文件 sc.read_loom(filename) # 读取 loom 文件 sc.read_text(filename) # 读取文本文件 sc.read_visium(path) # 读取 Visium 空间数据 ### 写入函数 python adata.write_h5ad(filename) # 写入 h5ad 格式 adata.write_csvs(dirname) # 写入 CSV 文件 adata.write_loom(filename) # 写入 loom 格式 adata.write_zarr(filename) # 写入 zarr 格式 ## 预处理 (sc.pp.*) ### 质量控制 python sc.pp.calculate_qc_metrics(adata, qc_vars=['mt'], inplace=True) sc.pp.filter_cells(adata, min_genes=200) sc.pp.filter_genes(adata, min_cells=3) ### 归一化与转换 python sc.pp.normalize_total(adata, target_sum=1e4) # 归一化至目标总和 sc.pp.log1p(adata) # Log(x + 1) 转换 sc.pp.sqrt(adata) # 平方根转换 ### 特征选择 python sc.pp.highly_variable_genes(adata, min_mean=0.0125, max_mean=3, min_disp=0.5) sc.pp.highly_variable_genes(adata, flavor='seurat_v3', n_top_genes=2000) ### 缩放与回归 python sc.pp.scale(adata, max_value=10) # 缩放至单位方差 sc.pp.regress_out(adata, ['total_counts', 'pct_counts_mt']) # 回归掉不需要的变异 ### 降维 (预处理) python sc.pp.pca(adata, n_comps=50) # 主成分分析 sc.pp.neighbors(adata, n_neighbors=10, n_pcs=40) # 计算邻域图 ### 批次校正 python sc.pp.combat(adata, key='batch') # ComBat 批次校正 ## 工具 (sc.tl.*) ### 降维 python sc.tl.pca(adata, svd_solver='arpack') # PCA sc.tl.umap(adata) # UMAP 嵌入 sc.tl.tsne(adata)