MyoToolkit

简体中文

English

简体中文

English

主题

2026-03-18
1057
5.2m

快速开始 ​

使用类单细胞分析方法（Scanpy）分析 Bulk RNA-seq 数据，实现批量转录组的整合、可视化与轨迹分析。

环境要求 ​

  • Python 3.8+
  • R 4.2+

安装 ​

bash
git clone https://github.com/Hirriririir/MyoSpectrum.git
cd MyoSpectrum

Python 依赖 ​

bash
pip install scanpy gseapy tape-cell conorm

R 依赖 ​

r
install.packages(c("edgeR", "sva", "DescTools"))

数据下载 ​

Release 数据 ​

以下整合数据文件可从 GitHub Release v1.0 下载：

文件大小说明
adata_all_muscle.h5ad~261 MB包含所有整合肌肉数据的 AnnData 对象
All_muscle.batch_adjusted.count.data.csv~49 MB批次校正后的计数矩阵
All_muscle.original.count.data.csv~49 MB批次校正前的原始计数矩阵
All_muscle_L_combatseq_tmm.csv~197 MBComBat-seq + TMM 标准化的表达矩阵

仓库数据 ​

GitHub 仓库包含以下数据文件夹：

  • DEG：edgeR 导出的差异表达分析（DEG）结果。
  • Meta：整合数据集的元数据（Data_source / Geo_accession / Author_Date / PMID / Sample_id / Gsm_accession / Casual_gene / Phenotype / Biopsy site / sequencing method / sequencing platform / Sex / Age range）。
  • TAPE：基于两个人类骨骼肌单细胞数据集（Tabula Sapiens 和 GSE143704）注释的组织反卷积结果。
  • Helsinki data：127 例来自赫尔辛基的骨骼肌 Bulk RNA-seq 数据（Group Udd，Folkhälsan 研究中心，赫尔辛基大学）。其中 39 例同时发表为 GSE151757。
  • GEO data：291 例从 GEO 数据库下载的骨骼肌 Bulk RNA-seq 数据（GSE115650、GSE140261、GSE175861、GSE184951、GSE201255、GSE202745）。
  • GTEx data：803 例从 GTEx Analysis V8 下载的骨骼肌 Bulk RNA-seq 数据（dbGaP Accession phs000424.v8.p2）。主要活检部位为腓肠肌，髌骨下方 2 cm。
  • Integration data：整合过程中生成的中间数据。
  • Validation：从所使用 GEO 数据集的补充文件中下载或从整合数据集生成的验证数据。

数据结构 ​

MyoSpectrum/
├── 1_raw_data/              # 原始输入数据
├── 2_integration/           # 批次校正整合数据
├── 3_deconvolution/         # TAPE 细胞类型反卷积结果
├── 4_differential/          # 差异表达分析输出
├── 5_figures/               # 生成的图表
└── 6_validation/            # 验证数据集

运行流程 ​

第 1 步：加载数据与环境配置 ​

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

sc.set_figure_params(dpi=100, color_map='viridis_r',
                     transparent=False, frameon=False)
sc.settings.verbosity = 1

第 2 步：读取整合数据 ​

直接加载预构建的 AnnData 对象，或从标准化 CSV 读取：

python
# 方式 A：加载预构建 h5ad
adata = sc.read('Integration data/adata_all_muscle.h5ad')

# 方式 B：从 ComBat-seq + TMM 标准化 CSV 读取
adata = sc.read_csv(
    "Integration data/All_muscle_H_combatseq_tmm.csv",
    first_column_names='Sample_id'
)

第 3 步：加载元数据 ​

python
Meta_GEO = pd.read_excel('Meta/RNA-seq integration meta.xlsx', sheet_name='GEO')
Meta_GTEx = pd.read_excel('Meta/RNA-seq integration meta.xlsx', sheet_name='GTEx')
Meta_Helsinki = pd.read_excel('Meta/RNA-seq integration meta.xlsx', sheet_name='Helsinki')

Meta_all = pd.concat([Meta_GEO, Meta_GTEx, Meta_Helsinki], axis=0)
Meta_all.set_index('Sample_id', inplace=True)
Meta_all = Meta_all.drop(['Age'], axis=1)

# 映射表型分类
Phenotype_34 = pd.read_excel('Meta/Phenotype_3_4.xlsx')
for col in ['Phenotype_3', 'Phenotype_4', 'Phenotype_5', 'Phenotype_6']:
    mapping = dict(zip(Phenotype_34.Phenotype_2, Phenotype_34[col]))
    Meta_all[col] = Meta_all.Phenotype_2.map(mapping)

adata.obs = Meta_all

第 4 步：PCA 降维 ​

python
sc.pp.pca(adata)
sc.pl.pca_variance_ratio(adata, log=True)
sc.pl.pca(adata, color=['Data_source', 'Method', 'Phenotype_1'])

第 5 步：UMAP 嵌入 ​

python
sc.pp.neighbors(adata, n_neighbors=20, n_pcs=50)
sc.tl.umap(adata)
sc.pl.umap(adata, color=['Phenotype_3'], size=80, palette='viridis_r')

第 6 步：可视化肌病谱系 ​

python
# 定义谱系顺序分类
category_order = [
    'Control (unexpected death)', 'Control (accident death)',
    'Control (intermediate death)', 'Control (others)',
    'Control (hyperkalemia)', 'Control (ventilator case)',
    'Control (amputee)', 'Control (pediatric)',
    'Control (slow death)', 'Myopathy'
]
adata.obs['Phenotype_3'] = (
    adata.obs['Phenotype_3'].astype('category')
    .cat.set_categories(category_order, ordered=True)
)

# 高亮肌病 vs. 对照
sc.pl.umap(adata, color='Phenotype_3', palette={
    "Control (unexpected death)": "#f5e634",
    "Control (accident death)": "#f5e634",
    "Control (intermediate death)": "#9c9c9b",
    "Control (ventilator case)": "#9c9c9b",
    "Control (slow death)": "#9c9c9b",
    "Control (amputee)": "#70584770",
    "Control (hyperkalemia)": "#70584770",
    "Control (pediatric)": "#7A5847",
    "Control (others)": "#7A5847",
    "Myopathy": "#390153",
}, legend_loc='right margin')

第 7 步：下游分析 ​

生成 UMAP 嵌入后，继续进行：

  1. 差异表达：EdgeR 跨疾病比较
  2. 反卷积：TAPE 细胞类型组成
  3. 通路分析：gseapy 基因集富集分析

完整分析 Notebook 请参阅仓库中的 P3 Integration Umap.ipynb。

最近更新