377_单细胞批量注释自动化¶

library(SingleR)      # 自动细胞类型注释
library(Seurat)       # 单细胞分析
library(celldex)      # 内置参考数据集

# ============================================================
# 方法A：使用内置参考数据集（免下载，适合快速注释）
# ============================================================
# 加载 HumanPrimaryCellAtlasData（人类原代细胞图谱）
ref_hpca <- HumanPrimaryCellAtlasData()    # 自动下载参考数据
# 其他可选参考：
# ref_blueprint <- BlueprintEncodeData()  # BLUEPRINT免疫细胞
# ref_monaco <- MonacoImmuneData()        # 免疫细胞精细分类

# 提取测试数据的表达矩阵（使用log-normalized counts）
test_matrix <- GetAssayData(seurat_obj, layer = "data")  # Seurat v5用layer

# 运行 SingleR 注释
singler_results <- SingleR(
  test = test_matrix,           # 测试数据矩阵（基因×细胞）
  ref = ref_hpca,               # 参考数据集
  labels = ref_hpca$label.main, # 使用粗粒度标签（也可用label.fine精细标签）
  num.threads = 4               # 4线程加速
)

# 查看注释结果统计
table(singler_results$labels)

# 将注释结果整合回 Seurat 对象
seurat_obj$SingleR_labels <- singler_results$labels
seurat_obj$SingleR_scores <- apply(singler_results$scores, 1, max)  # 最高置信度得分

# 过滤低置信度注释（pruned.labels为NA表示注释不可靠）
seurat_obj$SingleR_pruned <- singler_results$pruned.labels

# 可视化注释结果
DimPlot(
  seurat_obj,
  group.by = "SingleR_labels",   # 按SingleR标签着色
  reduction = "umap",
  label = TRUE,
  repel = TRUE,
  pt.size = 0.5
) + ggtitle("SingleR 自动注释结果")

# ============================================================
# 方法B：scType（只需marker基因表，无需参考数据集）
# ============================================================
# 安装 sctype（GitHub包）
if (!require("sctype")) devtools::install_github("IanevskiAleksandr/sc-type/R")
source("https://raw.githubusercontent.com/IanevskiAleksandr/sc-type/master/R/sctype_score_.R")

# 下载内置marker数据库（也可自定义）
db_url <- "https://raw.githubusercontent.com/IanevskiAleksandr/sc-type/master/ScTypeDB_full.xlsx"
download.file(db_url, "ScTypeDB_full.xlsx", quiet = TRUE)

# 加载marker基因（选择组织类型）
library(openxlsx)
gs_list <- gene_sets_prepare("ScTypeDB_full.xlsx",
                              tissue_type = "Immune system")   # 选择组织类型

# 计算每个细胞对各类型的得分
es.max <- sctype_score(
  scRNAseqData = seurat_obj[["RNA"]]@scale.data,  # 使用scaled data
  scaled = TRUE,
  gs = gs_list$gs_positive,    # 正向marker基因
  gs2 = gs_list$gs_negative    # 负向marker基因
)

# 按cluster汇总得分，选最高得分的细胞类型
cL_results <- do.call("rbind", lapply(unique(seurat_obj@meta.data$seurat_clusters), function(cl) {
  es.max.cl <- sort(rowSums(es.max[, rownames(seurat_obj@meta.data[seurat_obj@meta.data$seurat_clusters == cl, ])]),
                    decreasing = TRUE)
  data.frame(cluster = cl, type = names(es.max.cl[1]),
             scores = es.max.cl[1], ncells = sum(seurat_obj@meta.data$seurat_clusters == cl))
}))

# 添加到 Seurat 对象
seurat_obj@meta.data$customclassif <- ""
for (j in unique(cL_results$cluster)) {
  cl_type <- cL_results[cL_results$cluster == j, ]
  seurat_obj@meta.data$customclassif[seurat_obj@meta.data$seurat_clusters == j] <- cl_type$type[1]
}

import celltypist       # 轻量级自动注释工具
import scanpy as sc

# 加载预处理好的 AnnData
adata = sc.read_h5ad("preprocessed.h5ad")

# 下载预训练模型（人类免疫细胞）
celltypist.models.download_models(
    model="Immune_All_Low.pkl",     # 低粒度免疫细胞模型
    force_update=False              # 已下载则不重复下载
)

# 自动注释（over_clustering=True：先细粒度聚类再注释）
predictions = celltypist.annotate(
    adata,
    model="Immune_All_Low.pkl",    # 指定模型
    majority_voting=True,           # 对每个cluster投票取多数标签
    over_clustering="leiden"        # 使用已有的leiden聚类结果
)

# 整合注释结果
adata = predictions.to_adata()     # 将预测结果写回 adata
print(adata.obs["majority_voting"].value_counts())  # 查看各类型细胞数

# 可视化
sc.pl.umap(adata, color="majority_voting",
           legend_loc="on data",   # 标签显示在图上
           title="CellTypist 自动注释",
           save="_celltypist.pdf")