Scvi Tools 工作流

# 常用工作流与最佳实践 本文档涵盖了 scvi-tools 的常用工作流、最佳实践以及高级使用模式。 ## 标准分析工作流 ### 1. 数据加载与准备 python import scvi import scanpy as sc import numpy as np # 加载数据 (需要 AnnData 格式) adata = sc.read_h5ad("data.h5ad") # 或从其他格式加载 # adata = sc.read_10x_mtx("filtered_feature_bc_matrix/") # adata = sc.read_csv("counts.csv") # 基础质控指标 sc.pp.calculate_qc_metrics(adata, inplace=True) adata.var['mt'] = adata.var_names.str.startswith('MT-') sc.pp.calculate_qc_metrics(adata, qc_vars=['mt'], inplace=True) ### 2. 质量控制 python # 过滤细胞 sc.pp.filter_cells(adata, min_genes=200) sc.pp.filter_cells(adata, max_genes=5000) # 过滤基因 sc.pp.filter_genes(adata, min_cells=3) # 按线粒体含量过滤 adata = adata[adata.obs['pct_counts_mt'] < 20, :] # 去除双细胞 (可选，在训练前进行) sc.external.pp.scrublet(adata) adata = adata[~adata.obs['predicted_doublet'], :] ### 3. scvi-tools 的预处理 python # 重要：scvi-tools 需要原始计数 (RAW counts) # 如果已经归一化，请使用原始层或重新加载数据 # 如果尚未提供，保存原始计数 if 'counts' not in adata.layers: adata.layers['counts'] = adata.X.copy() # 特征选择 (可选但推荐) sc.pp.highly_variable_genes( adata, n_top_genes=4000, subset=False, # 保留所有基因，仅标记高变基因 (HVG) batch_key="batch" # 如果有多个批次 ) # 过滤至高变基因 (可选) # adata = adata[:, adata.var['highly_variable']] ### 4. 使用 scvi-tools 注册数据 python # 为 scvi-tools 设置 AnnData scvi.model.SCVI.setup_anndata( adata, layer="counts", # 使用原始计数 batch_key="batch", # 技术批次 categorical_covariate_keys=["donor", "condition"], continuous_covariate_keys=["percent_mito", "n_counts"] ) # 检查注册情况 adata.uns['_scvi']['summary_stats'] ### 5. 模型训练 python # 创建模型 model = scvi.model.SCVI( adata, n_latent=30, # 潜在维度 n_layers=2, # 网络深度 n_hidden=128, # 隐藏层大小 dropout_rate=0.1, gene_likelihood="zinb" # 零膨胀负二项分布 ) # 训练模型 model.train( max_epochs=400, batch_size=128, train_size=0.9, early_stopping=True, check_val_every_n_epoch=10 ) # 查看训练历史 train_history = model.history["elbo_trai"