# текущий рабочий каталог
import os
# текущий рабочий каталог
os.getcwd()
# '/Users/zaneflying/Desktop/scanpy'

# Файлы в каталоге
os.listdir()
# ['scanpy.ipynb', '.DS_Store', 'input', 'data']

import pandas as pd
import scanpy as sc
import numpy as np
import anndata as ad
import pooch

sc.settings.verbosity = 3  
sc.logging.print_header()
# scanpy==1.10.3 anndata==0.10.9 umap==0.5.6 numpy==2.0.2 scipy==1.13.1 pandas==2.2.3 scikit-learn==1.5.2 statsmodels==0.14.3 igraph==0.11.6 louvain==0.8.2 pynndescent==0.5.13 
sc.settings.set_figure_params(dpi=80, facecolor="white")

sc.settings.verbosity?
# Добавьте ? после функции, а затем запустите ее, чтобы просмотреть справочный документ по функции.
# Давайте разберем функцию этой функции. Это сокращение от scdascanpy, за которым следует settings.verbosity. Что касается детального уровня ведения журнала, 3 означает отображение подсказок.

sc.logging.print_header?
# Эта функция используется для печати информации о версии различных зависимых пакетов, которая может повлиять на числовые результаты.

sc.settings.set_figure_params?
# sc.settings.set_figure_params(
#     *,
#     scanpy: 'bool' = True,
#     dpi: 'int' = 80,
#     dpi_save: 'int' = 150,
#     frameon: 'bool' = True,
#     vector_friendly: 'bool' = True,
#     fontsize: 'int' = 14,
#     figsize: 'int | None' = None,
#     color_map: 'str | None' = None,
#     format: '_Format' = 'pdf',
#     facecolor: 'str | None' = None,
#     transparent: 'bool' = False,
#     ipython_format: 'str' = 'png2x',
# ) -> 'None'
# Эта функция устанавливает размер изображения, который сильно отличается от языка R. Обычно язык R устанавливает его на этапе вывода.
# scanpy: Если это правда, используйте настройки matplotlib Scanpy по умолчанию.
# dpi: Разрешение, с которым отображается изображение.
# dpi_save: Разрешение, в котором сохраняется изображение.
# frameon: да Отображать ли рамку вокруг изображения.
# vector_friendly: да Следует ли генерировать векторные выходные данные.
# fontsize: Размер шрифта, используемый в графике.
# figsize: Размер изображения. Если нет, используется размер по умолчанию.
# color_map: Цветовая карта, которую нужно использовать.
# format: Формат, используемый при сохранении рисунка.
# facecolor: Цвет фона изображения. Если «Нет», используется цвет по умолчанию.
# transparent: да Делать ли графический фон прозрачным.
# ipython_format: В Юпитере Формат, используемый при отображении графики в Notebook.

# Установить путь к файлу
results_file = "output/"  # the file that will store the analysis results

adata = sc.read_10x_mtx(
    "input/",  # the directory with the `.mtx` file
    var_names="gene_symbols",  # use gene symbols for the variable names (variables-axis index)
    cache=True,  # write a cache file for faster subsequent reading
)

## Preprocessing
sc.read_10x_mtx?

# path (Path | str):

# Указывает путь к каталогу файлов, включая .mtx и .tsv документ. Например './filtered_gene_bc_matrices/hg19/'。
# var_names (Literal['gene_symbols', 'gene_ids'], optional, default: 'gene_symbols'):

# Способ определения индекса переменной вы можете выбрать 'gene_symbols' или 'gen_ids'. По умолчанию да 'gene_symbols'。
# make_unique (bool, optional, default: True):

# да Нет гарантирует, что индекс переменной уникален (путем добавления дубликата '-1', '-2' ждать).Значение по умолчаниюда True。
# cache (bool, optional, default: False):

# да Кэшировать ли прочитанные файлы. Значение по умолчаниюда False。
# cache_compression (Literal['gzip', 'lzf'] | None | Empty, optional):

# Указывает формат сжатия кэша (например. 'gzip' или 'lzf'), значение по умолчанию: _empty, то есть не указано.
# gex_only (bool, optional, default: True):

# если для Правда, только экспрессия генов (ген expression, GEX) данные. Значение по умолчаниюда True。
# prefix (str | None, optional):

# Вы можете добавить префикс перед именем файла, по умолчанию: None。
# возвращаемое значение функции
# возвращаемое значение (AnnData):
# Функция возвращает AnnData Объект, общая структура, используемая для хранения данных многомерного массива, обычно для отдельных ячеек. RNA-seq анализ данных。

adata

adata.var_names_make_unique()

sc.pl.highest_expr_genes(adata, n_top=20)

sc.pp.filter_cells(adata, min_genes=200)
sc.pp.filter_genes(adata, min_cells=3)
# filtered out 196 cells that have less than 200 genes expressed 
# filtered out 11773 genes that are detected in less than 3 cells

adata.var["mt"] = adata.var_names.str.startswith("MT-")
sc.pp.calculate_qc_metrics(
    adata, qc_vars=["mt"], percent_top=None, log1p=False, inplace=True
)

adata.obs

adata.var_names.str.startswith?
# adata даон AnnData вернослон,Он используется для хранения и управления отдельными ячейками. RNA Основная структура данных секвенирования.
# var_names да adata Объектатрибут,Указывает имя гена в наборе данных или ID（то есть имя переменной）。Конкретно,этодаон pandas.Index вернослон,Содержит названия всех генов или ID。
# .str да pandas Предоставляет метод доступа для методов манипулирования строками, используемый для pandas.Series или Index Выполните операции векторизации над строками в файлах .
# проходить .str, ты можешь var_names Все имена генов (строки) в одновременно подвергаются различным строковым операциям, таким как проверка префиксов, суффиксов, отношений включения, замена подстрок и т. д.
# .startswith даон Строковые методы,для проверки строкида Нет начинается с указанного префикса。
# Когда с .str При совместном использовании начинается с можно использовать для проверки var_names Имя каждого гена да в генах начинается с определенного префикса.

sc.pp.calculate_qc_metrics？
# qc_vars Параметр указывает категорию генов, которая будет использоваться для контроля качества. Обычно это список.,Содержит префикс, используемый для идентификации определенного набора генов.илизакрывать键字。
# Здесь, ["мт"] Указывает на митохондриальные гены (обычно "MT-" или Гены, начинающиеся с похожих префиксов）。этот意味着该функция将计算与线粒体基因相закрывать的 QC индекс.
# Этот параметр указывает префикс, который будет рассчитан. n На долю наиболее экспрессируемых генов приходится процент от общей экспрессии. Например, процент_топ=[50, 100] Сначала посчитаем наиболее выраженный 50 До 100 Общий процент экспрессии генов.
# Установить здесь, чтобы None,означает не считать этот индекс.
# log1p Параметр определяет, рассчитывается ли да. QC Логарифмическое преобразование данных перед индикатором (log(1 + x))。
# Здесь log1p=False Указывает, что данные не будут логарифмически преобразованы.
# Этот параметр определяет, является ли функция да прямым входом. adata Добавьте рассчитанное QC индекс.
# inplace=True представляет собой рассчитанный QC Индикаторы будут добавлены непосредственно в adata вернослон中,Вместодавернуть новыйвернослон。

sc.pl.violin(
    adata,
    ["n_genes_by_counts", "total_counts", "pct_counts_mt"],
    jitter=0.4,
    multi_panel=True,
)

sc.pl.violin?
# ["n_genes_by_counts", "total_counts", "pct_counts_mt"]:
# этотдаон字符串список,指定要绘制的小提琴картина的Изменять量名称：
# n_genes_by_counts: 每клетки Количество обнаруженных генов（Обычно относится к числу генов с ненулевой экспрессией.）。этотда Мера клеточной сложностииндекс.
# total_counts: Всего на клетку UMI（Unique Molecular Идентификатор) подсчет, обозначающий общее количество RNA количество.
# pct_counts_mt: Экспрессия митохондриальных генов в процентах от общей экспрессии,Обычно используется для обнаружения мертвых клеток и клеток низкого качества.
# Эти переменные обычно генерируются на этапах контроля качества (КК).
# jitter=0.4:
# jitter Параметры управляют расположением точек на диаграмме рассеяния. x Джиттер на валуколичество.Дизеринг предотвращает перекрытие точек.,Сделайте распределение данных более видимым。
# Здесь джиттер = 0,4 Указывает на небольшое разнесение точек во избежание перекрытия.
# multi_panel=True:
# multi_panel Параметр определяет, отображает ли несколько переменных на разных панелях графиков скрипки.
# multi_panel=True Указывает, что каждая переменная отображается на отдельной панели графика скрипки вместо отображения всех переменных на одном графике.

sc.pl.scatter(adata, x="total_counts", y="pct_counts_mt")
sc.pl.scatter(adata, x="total_counts", y="n_genes_by_counts")

adata = adata[adata.obs.n_genes_by_counts < 2500, :]
adata = adata[adata.obs.pct_counts_mt < 5, :].copy()
adata = adata[adata.obs.n_genes_by_counts < 2500, :]:
# adata.obs.n_genes_by_counts：этотдаон Содержит всеклетки中Количество обнаруженных генов的列,хранится в AnnData Объект obs в кадре данных.
# adata[adata.obs.n_genes_by_counts < 2500, :]: Функция этой строки кода — отфильтровать те гены, количество обнаруженных генов которых меньше 2500 клетки.
# adata.obs.n_genes_by_counts < 2500 Создайте логический вектор, определяющий, какие клетки имеют меньше генов, чем 2500。
# adata[...] Используйте этот логический вектор, чтобы выбрать ячейки, соответствующие критериям, и удалить ячейки, которые не соответствуют.
# Результат: Число сохранившихся генов меньше 2500 ячейки, отфильтровывая другие ячейки.
# adata = adata[adata.obs.pct_counts_mt < 5, :].copy():
# adata.obs.pct_counts_mt：этотдаон Содержит всеклетки Столбец, показывающий долю экспрессии митохондриальных генов от общей экспрессии в。
# adata[adata.obs.pct_counts_mt < 5, :]: Эта строка кода дополнительно отфильтровывает митохондриальные гены, коэффициент экспрессии которых меньше 5% клетки.
# adata.obs.pct_counts_mt < 5 Генерирует логический вектор, определяющий, в каких клетках доля экспрессии митохондриальных генов меньше, чем 5%。
# adata[...] Используйте этот логический вектор, чтобы выбрать ячейки, соответствующие критериям, и удалить ячейки, которые не соответствуют.
# .copy(): Этот метод создает adata Объекткопировать,Убедитесь, что последующие операции не влияют на исходные данные.

sc.pp.normalize_total(adata, target_sum=1e4)

sc.pp.log1p(adata)

sc.pp.highly_variable_genes(adata, min_mean=0.0125, max_mean=3, min_disp=0.5)
# min_mean Параметр устанавливает минимальный средний порог экспрессии, при котором ген считается сильно вариабельным. Другими словами, только те, чье среднее значение экспрессии превышает 0.0125 гены будут рассматриваться как высоковариабельные гены-кандидаты.
# max_mean Параметр устанавливает максимальный средний порог экспрессии, при котором ген считается сильно вариабельным. Среднее значение экспрессии выше, чем 3 гены будут исключены.
# Обычно это делается, чтобы избежать выбора сверхэкспрессируемых генов, которые могут доминировать в анализе, но не представляют биологически значимых изменений.
# min_disp Параметр задает минимальный порог изменчивости (дисперсии) генов. Только те, изменчивость которых превышает 0.5 гены будут рассматриваться как высоковариабельные гены-кандидаты.
Изменять异度даотносится к фазе значения экспрессии генаверно Стандартизованная дисперсия среднего значения,Гены с более высокой вариабельностью экспрессируются по-разному в разных популяциях клеток.

sc.pl.highly_variable_genes(adata)
# sc да scanpy Аббревиатура обозначает всю библиотеку.
# pl да plot аббревиатура,表示этотдаон Модули для рисованияилифункция。
# scanpy Библиотека построена иерархически по функциональным модулям, включая:
# sc.pp (pp да preprocessing (сокращение от ): используется для этапов предварительной обработки данных, таких как нормализация, фильтрация данных, идентификация сильно вариабельных генов и т. д.
# sc.tl (tl да tools аббревиатура): используется для вызова различных инструментов анализа, таких как PCA, кластеризация, UMAP, анализ дифференциальных выражений и т. д.
# sc.pl (pl да plot аббревиатура): используется для визуализации данных, например рисования. PCA Рисунок, УМАП картина、тепловая карта、Схема скрипки и т. д.

sc.pp.scale(adata, max_value=10)
# sc.pp.scale(adata, max_value=10) верно adata вернослон中的基因表达数据进行标准化,и ограничить стандартизированные данные [-10, 10] в пределах диапазона

sc.tl.pca(adata, svd_solver="arpack")

sc.pl.pca(adata, color="CST3")

sc.pl.pca_variance_ratio(adata, log=True)

sc.pp.neighbors(adata, n_neighbors=10, n_pcs=40)

sc.tl.umap(adata, init_pos='paga')

sc.pl.umap(adata, color=["CST3", "NKG7", "PPBP"])

sc.tl.leiden(
    adata,
    resolution=0.9,
    random_state=0,
    flavor="igraph",
    n_iterations=2,
    directed=False,
)

# random_state Параметры используются для установки случайных начальных чисел, чтобы обеспечить повторяемость результатов кластеризации. установлен на 0 Представляет с теми же данными и настройками,Запуск алгоритма несколько раз приведет к одному и тому же результату. Это необходимо для обеспечения согласованности результатов при многократном запуске.,Особенно, когда необходимо повторить эксперимент и поделиться результатами.
# flavor Параметр указывает, какая реализация используется. "график" даа тип на основе igraph Реализация библиотеки, это да Leiden Реализация алгоритма по умолчанию. iграф даон高效的картина处理库,通常用于картинаисетевой анализ。это支持快速的社区检测（нравиться Leiden кластеризация).
# n_iterations Параметр задает максимальное количество итераций алгоритма. Каждая итерация пытается оптимизировать модульность графа, тем самым улучшая разделение сообщества. n_итераций=2 Указывает на то, что наиболее 2 итерации,Часто используется для балансировки вычислительной эффективности.икластеризациякачество результатовколичество.нравиться果算法在早期迭代中已经收敛,Возможно, нет необходимости достигать максимального количества итераций.。
# directed Параметр указывает, является ли граф да ориентированным графом. Если установлено значение Неверно, он считается неориентированным графом. В большинстве одиночных клеток RNA-seq анализ В данных граф сходства ячеек обычно рассматривается как неориентированный граф, поэтому для этого параметра обычно устанавливается значение False

sc.pl.umap(adata, color=["leiden"])

# Загрузить библиотеку
import pandas as pd
import scanpy as sc
import numpy as np
import anndata as ad
import pooch

# Настройки параметров
sc.settings.verbosity = 3 
sc.logging.print_header()
sc.settings.set_figure_params(dpi=80, facecolor="white")

# Установить путь к файлу
results_file = "output/"  

# Чтение данных
adata = sc.read_10x_mtx(
    "input/",  
    var_names="gene_symbols",  
    cache=True,  
)
# Не допускайте повторения названий генов
adata.var_names_make_unique()  

# Базовая фильтрация
sc.pp.filter_cells(adata, min_genes=200)
sc.pp.filter_genes(adata, min_cells=3)

# Добавьте данные митохондриального гена
adata.var["mt"] = adata.var_names.str.startswith("MT-")
sc.pp.calculate_qc_metrics(
    adata, qc_vars=["mt"], percent_top=None, log1p=False, inplace=True
)

# Чертеж основных данных
sc.pl.violin(
    adata,
    ["n_genes_by_counts", "total_counts", "pct_counts_mt"],
    jitter=0.4,
    multi_panel=True,
)

# Чертеж основных данных
sc.pl.scatter(adata, x="total_counts", y="pct_counts_mt")
sc.pl.scatter(adata, x="total_counts", y="n_genes_by_counts")

# фильтр
adata = adata[adata.obs.n_genes_by_counts < 2500, :]
adata = adata[adata.obs.pct_counts_mt < 5, :].copy()

# Параметры фильтра можно настроить на основе приведенной выше информации.
##################################
# Нормализовать+записать данные
sc.pp.normalize_total(adata, target_sum=1e4)
sc.pp.log1p(adata)

# В поисках гипервариабельных генов
sc.pp.highly_variable_genes(adata, min_mean=0.0125, max_mean=3, min_disp=0.5)
# Гипервариабельное картирование генов
sc.pl.highly_variable_genes(adata)

# Сделать резервную копию
adata.raw = adata

# масштабировать данные
sc.pp.scale(adata, max_value=10)

# уменьшение размерности PCA
sc.tl.pca(adata, svd_solver="arpack")

# Рассчитать граф окрестности + обработка umap
sc.pp.neighbors(adata, n_neighbors=10, n_pcs=40)
sc.tl.umap(adata)
#################
# Лейденская кластеризация
sc.tl.leiden(
    adata,
    resolution=0.9,
    random_state=0,
    flavor="igraph",
    n_iterations=2,
    directed=False,
)