pydeseq2

# PyDESeq2 ## 概述 PyDESeq2 是 DESeq2 的 Python 实现，用于批量 RNA-seq 数据的差异表达分析。设计并执行从数据加载到结果解释的完整工作流，包括单因素和多因素设计、带多重检验校正的 Wald 检验、可选的 apeGLM 收缩，以及与 pandas 和 AnnData 的集成。 ## 何时使用此技能 当出现以下情况时应使用此技能： - 分析批量 RNA-seq 计数数据以进行差异表达分析 - 比较不同实验条件下的基因表达（例如：处理组 vs 对照组） - 执行考虑批次效应或协变量的多因素设计 - 将基于 R 的 DESeq2 工作流转换为 Python - 将差异表达分析集成到基于 Python 的流水线中 - 用户提到 "DESeq2"、"差异表达"、"RNA-seq 分析" 或 "PyDESeq2" ## 快速入门工作流 对于想要执行标准差异表达分析的用户： python import pandas as pd from pydeseq2.dds import DeseqDataSet from pydeseq2.ds import DeseqStats # 1. 加载数据 counts_df = pd.read_csv("counts.csv", index_col=0).T # 转置为 样本 × 基因 metadata = pd.read_csv("metadata.csv", index_col=0) # 2. 过滤低计数基因 genes_to_keep = counts_df.columns[counts_df.sum(axis=0) >= 10] counts_df = counts_df[genes_to_keep] # 3. 初始化并拟合 DESeq2 dds = DeseqDataSet( counts=counts_df, metadata=metadata, design="~condition", refit_cooks=True ) dds.deseq2() # 4. 执行统计检验 ds = DeseqStats(dds, contrast=["condition", "treated", "control"]) ds.summary() # 5. 获取结果 results = ds.results_df significant = results[results.padj < 0.05] print(f"发现 {len(significant)} 个显著基因") ## 核心工作流步骤 ### 第 1 步：数据准备 **输入要求：** - **计数矩阵:** 样本 × 基因 DataFrame，包含非负整数读取计数 - **元数据:** 样本 × 变量 DataFrame，包含实验因子 **常见数据加载模式：** python # 从 CSV (典型格式: 基因 × 样本，需要转置) counts_df = pd.read_csv("counts.csv", index_col=0).T metadata = pd.read_csv("metadata.csv", index_col=0) # 从 TSV counts_df = pd.read_csv("counts.tsv", sep="t", index_col=0).T # 从 AnnData import anndata as ad adata = ad.read_h5ad("data.h5ad") counts_df = pd.DataFrame(adata.X, index=adata.obs_names, columns=adata.var_names) metadata = adata.obs **数据过滤**