单细胞蛋白组学技术¶

# === 单细胞蛋白组学数据分析框架 ===
import pandas as pd
import numpy as np
import scanpy as sc  # 借用单细胞RNA-seq的分析框架

# 1. 读取单细胞蛋白组定量矩阵
# 行=细胞，列=蛋白
protein_data = pd.read_csv("single_cell_proteins.csv", index_col=0)
print(f"细胞数: {protein_data.shape[0]}, 蛋白数: {protein_data.shape[1]}")

# 2. 创建AnnData对象（Scanpy框架）
adata = sc.AnnData(protein_data)

# 3. 质控过滤
# 过滤检测蛋白太少的细胞（可能是空液滴或碎片）
min_proteins = 200  # 至少检测到200种蛋白
sc.pp.filter_cells(adata, min_genes=min_proteins)
# 过滤在太少细胞中检测到的蛋白
sc.pp.filter_genes(adata, min_cells=10)
print(f"过滤后: {adata.shape[0]}细胞, {adata.shape[1]}蛋白")

# 4. 归一化和缩放
sc.pp.normalize_total(adata, target_sum=1e4)  # 总量归一化
sc.pp.log1p(adata)  # log变换
sc.pp.scale(adata, max_value=10)  # 缩放

# 5. 降维与聚类
sc.tl.pca(adata, n_comps=30)  # PCA降维
sc.pp.neighbors(adata, n_pcs=15)  # 构建KNN图
sc.tl.umap(adata)  # UMAP可视化
sc.tl.leiden(adata, resolution=0.5)  # Leiden聚类

# 6. 可视化
sc.pl.umap(adata, color="leiden", save="_clusters.png")  # 聚类结果UMAP

# 7. 差异蛋白分析（marker蛋白发现）
sc.tl.rank_genes_groups(adata, groupby="leiden", method="wilcoxon")
sc.pl.rank_genes_groups(adata, n_genes=10, save="_markers.png")

# === SCoPE2数据预处理要点 ===
# SCoPE2特殊考量：载体通道去除、单细胞通道归一化

# 1. 读取SCoPE2输出（包含载体通道和单细胞通道）
scope2_data = pd.read_csv("scope2_output.csv", index_col=0)

# 2. 去除载体通道（carrier channel）
# 载体通道是由200个细胞混合提供信号，不是单细胞数据
carrier_cols = [c for c in scope2_data.columns if "carrier" in c.lower()]
sc_data = scope2_data.drop(columns=carrier_cols)  # 只保留单细胞通道

# 3. 列归一化（消除通道间系统差异）
sc_normalized = sc_data.div(sc_data.median(axis=0), axis=1)  # 每列除以中位数

# 4. 行归一化（消除不同蛋白量级差异）
sc_final = sc_normalized.sub(sc_normalized.mean(axis=1), axis=0)  # 减去行均值

print(f"单细胞数: {sc_final.shape[1]}, 蛋白数: {sc_final.shape[0]}")