单细胞学习（13）—— Seurat → Scanpy 分析流程
下面是一份从 Seurat 分析流程转到Scanpy 分析流程的简要笔记，涵盖了从数据读入到细胞注释的主要环节，并附上常用函数的Seurat vs. Scanpy 对照表。该笔记既可作为工作流程指南，也能在两个分析平台之间快速切换和比较。
Seurat → Scanpy 分析流程笔记
1. 数据读入
Seurat 中的数据读入（回顾）
-
常规 10x 数据：
library(Seurat) seurat_obj <- Read10X("filtered_feature_bc_matrix/") seurat_obj <- CreateSeuratObject(counts = seurat_obj, project = "scRNA") -
RDS 文件读入：
seurat_obj <- readRDS("seurat_obj.rds")
Scanpy 中的数据读入
- 读入 10x 过滤矩阵（推荐）
import scanpy as sc adata = sc.read_10x_mtx( "filtered_feature_bc_matrix", var_names='gene_symbols', cache=True ) - 如果有 H5 文件（如
filtered_feature_bc_matrix.h5）:adata = sc.read_10x_h5("filtered_feature_bc_matrix.h5") - 若是从 Seurat 对象（.Rds）转换，推荐 SeuratDisk 将其转为 H5AD 后再读入：
# R 端： library(SeuratDisk) SaveH5Seurat(seurat_obj, filename="seurat.h5Seurat") Convert("seurat.h5Seurat", dest="h5ad", overwrite=TRUE)# Python 端： import scanpy as sc adata = sc.read_h5ad("seurat.h5ad")
2. 数据预处理 / 质控（QC）
在 Scanpy 中，你可以类似 Seurat 那样进行 QC 过滤。
Seurat 中的常规 QC
seurat_obj <- subset(seurat_obj, subset = nFeature_RNA > 200 & nFeature_RNA < 6000 & percent.mt < 10)
Scanpy 中的常规 QC
# 过滤低基因表达细胞
sc.pp.filter_cells(adata, min_genes=200)
# 过滤低表达基因
sc.pp.filter_genes(adata, min_cells=3)
# （可选）对于线粒体基因的过滤：
# 1. 计算线粒体基因比例
adata.var['mt'] = adata.var_names.str.startswith('MT-')
adata.obs['percent_mt'] = (
np.sum(
adata[:, adata.var['mt']].X, axis=1
)
/ np.sum(adata.X, axis=1)
) * 100
# 2. 根据线粒体基因比例进行过滤
adata = adata[adata.obs['percent_mt'] < 10, :]
3. 归一化与高变基因选择
Seurat
# 归一化
seurat_obj <- NormalizeData(seurat_obj)
# 查找高变基因
seurat_obj <- FindVariableFeatures(seurat_obj, selection.method="vst", nfeatures=2000)
Scanpy
# Total-count normalize (与 Seurat 的 NormalizeData 相似)
sc.pp.normalize_total(adata, target_sum=1e4)
# 取 log
sc.pp.log1p(adata)
# 查找高变基因（与 Seurat 策略相似）
sc.pp.highly_variable_genes(
adata,
flavor='seurat', # 使用Seurat VST算法
n_top_genes=2000
)
# 过滤数据，仅保留高变基因
adata = adata[:, adata.var['highly_variable']]
4. 降维与聚类
Seurat
# PCA
seurat_obj <- RunPCA(seurat_obj, npcs=50)
# 邻接图/邻居查找
seurat_obj <- FindNeighbors(seurat_obj, dims=1:30)
# 聚类
seurat_obj <- FindClusters(seurat_obj, resolution=0.5)
# UMAP
seurat_obj <- RunUMAP(seurat_obj, dims=1:30)
Scanpy
# PCA
sc.pp.pca(adata, n_comps=50)
# 邻接图
sc.pp.neighbors(adata, n_neighbors=10, n_pcs=30)
# 聚类（Leiden 算法）
sc.tl.leiden(adata, resolution=0.5)
# UMAP
sc.tl.umap(adata)
注： Seurat 使用 Louvain / SLM 聚类，Scanpy 中
sc.tl.leiden是一种改进版的社区检测算法，效果与 Seurat 类似或更佳。
5. 不同分辨率下的聚类遍历
Seurat 可以直接传递一个 resolution.range，如：
resolution.range <- c(0.1, 0.2, 0.3, 0.5)
FindClusters(seurat_obj, resolution = resolution.range)
Scanpy 中要手动遍历：
resolutions = [0.1, 0.2, 0.3, 0.5]
for res in resolutions:
sc.tl.leiden(adata, resolution=res, key_added=f'leiden_{res}')
sc.pl.umap(adata, color=f'leiden_{res}')
若要保存多个分辨率结果的 UMAP 图到同一个 PDF，可参考：
from matplotlib.backends.backend_pdf import PdfPages
pdf_path = "UMAP_by_resolution.pdf"
with PdfPages(pdf_path) as pdf:
for res in resolutions:
sc.tl.leiden(adata, resolution=res, key_added=f'leiden_{res}')
fig = sc.pl.umap(adata, color=f'leiden_{res}', show=False, return_fig=True)
pdf.savefig(fig)
plt.close(fig)
6. 差异基因分析与可视化
Seurat
# FindAllMarkers
markers <- FindAllMarkers(seurat_obj, test.use="wilcox")
可视化：
FeaturePlot(seurat_obj, features="CD3E", cols=c("gray", "red"))
DotPlot(seurat_obj, features=c("CD3E", "NKG7"), group.by="seurat_clusters")
Scanpy
# 差异基因分析
sc.tl.rank_genes_groups(adata, groupby="leiden", method="wilcoxon")
# 查看结果
sc.pl.rank_genes_groups(adata, n_genes=5, sharey=False)
可视化 Marker 基因：
# UMAP feature plot（类似 Seurat FeaturePlot）
sc.pl.umap(adata, color=["CD3E"], cmap="Reds")
# DotPlot（类似 Seurat DotPlot）
marker_genes = ["CD3E","NKG7","CD68","KRT19"]
sc.pl.dotplot(adata, var_names=marker_genes, groupby="leiden", cmap="Reds")
7. 细胞注释
在 Seurat 中，一般通过 Idents 或 AddMetaData 给细胞添加类型标签；在 Scanpy 中，你可以修改 adata.obs 列添加注释：
# 假设你对各群集根据 Marker 基因进行了人工判定
celltype_dict = {
"0": "Epithelial",
"1": "T Cells",
"2": "NK Cells",
# ...
}
# 假设分辨率=0.5时存储在 leiden_0.5
adata.obs["celltype"] = adata.obs["leiden_0.5"].map(celltype_dict)
# 再次绘制UMAP，颜色按 celltype
sc.pl.umap(adata, color="celltype")
Seurat vs. Scanpy 主要函数对照表
| 分析步骤 | Seurat ® | Scanpy (Python) |
|---|---|---|
| 数据读入 | Read10X() / CreateSeuratObject() | sc.read_10x_mtx() / sc.read_10x_h5() |
| 质控 (QC) | subset() | sc.pp.filter_cells() / sc.pp.filter_genes() |
| 线粒体基因过滤 | PercentageFeatureSet(... pattern = "^MT-") | 手动提取后过滤 (见 adata.obs['percent_mt']) |
| 归一化 | NormalizeData() | sc.pp.normalize_total() + sc.pp.log1p() |
| 高变基因 | FindVariableFeatures() | sc.pp.highly_variable_genes() |
| PCA | RunPCA() | sc.pp.pca() |
| 邻居查找 | FindNeighbors() | sc.pp.neighbors() |
| 聚类 | FindClusters() | sc.tl.leiden() |
| UMAP/t-SNE | RunUMAP() / RunTSNE() | sc.tl.umap() / sc.tl.tsne() |
| 差异基因 | FindAllMarkers() / FindMarkers() | sc.tl.rank_genes_groups() |
| FeaturePlot | FeaturePlot() | sc.pl.umap(..., color='GENE') |
| DotPlot | DotPlot() | sc.pl.dotplot() |
| 细胞类型注释 | Idents() / AddMetaData() | adata.obs['celltype'] = ... |
| 保存对象 | saveRDS() | adata.write("xxx.h5ad") |
8. 小结
- 数据读入：如果是 10x 的过滤矩阵，Seurat 用
Read10X()，Scanpy 用sc.read_10x_mtx()/sc.read_10x_h5()；若已在 Seurat 中整合好，可先用 SeuratDisk 转换为.h5ad。 - 质控与预处理：二者均可进行基于基因数、细胞数、线粒体基因比例等过滤。Scanpy 常需手动计算线粒体比例。
- 高变基因、PCA、聚类、UMAP 等流程在 Scanpy 中与 Seurat 非常相似，只是函数名称与参数略有不同。
- 差异基因分析：Seurat 中常用
FindAllMarkers()，Scanpy 中则是sc.tl.rank_genes_groups(). - 可视化：Seurat 提供
FeaturePlot()、DotPlot()等函数；Scanpy 对应sc.pl.umap(...)和sc.pl.dotplot()。 - 细胞注释：在 Scanpy 中，直接修改
adata.obs["celltype"]，并用sc.pl.umap(color="celltype")可视化。
总体而言，Seurat 与 Scanpy 在单细胞分析思路上高度相似，只是实现细节、函数名和可视化风格略有区别。若你已有完备的 Seurat 分析经验，迁移到 Scanpy 通常是逻辑和函数名的平移，很快能上手。
参考命令与提示
- 如果有大规模数据（>10 万细胞），Scanpy 的处理速度与内存占用通常较 Seurat 更有优势。
- 若仍需 Seurat 强大的可视化与整合包（如
SeuratWrappers），可在小规模数据或特定分析环节中继续使用 R + Seurat。 - 混合使用：在 R 中做部分分析后，将结果（如细胞注释）输出为
.csv，或使用SeuratDisk生成.h5ad以在 Python 端进一步扩展（如scanpy,squidpy,cellchatPython 版等）。
以上为 Seurat → Scanpy 的主要流程笔记，涵盖从数据读入、质量控制、归一化、高变基因选择、聚类及可视化、差异基因分析、到细胞注释的完整思路。