建立门户网站的程序,做免费网站教程,免费ppt制作,利用百度云做网站文章目录 一、实验介绍二、实验环境1. 配置虚拟环境2. 库版本介绍 三、实验内容0. 导入必要的库1. 读取数据集2. 质量控制#xff08;可选#xff09;3. 基于距离的亲和力矩阵4. 绘制基因表达的Heatmap5. 基于皮尔逊相关系数的亲和力矩阵6. 代码整合 一、实验介绍 计算亲和力… 文章目录 一、实验介绍二、实验环境1. 配置虚拟环境2. 库版本介绍 三、实验内容0. 导入必要的库1. 读取数据集2. 质量控制可选3. 基于距离的亲和力矩阵4. 绘制基因表达的Heatmap5. 基于皮尔逊相关系数的亲和力矩阵6. 代码整合 一、实验介绍 计算亲和力矩阵一般按照以下步骤进行
导入数据加载单细胞RNA测序数据集。数据预处理根据需要对数据进行预处理例如基因过滤、归一化等。计算亲和力使用合适的算法例如欧几里德距离、Pearson相关系数或其他距离/相似度度量计算样本之间的亲和力可以使用现有的生物信息学工具包如Scanpy来执行此计算。构建亲和力矩阵将计算得到的亲和力值组织成一个亲和力矩阵其中每个元素表示两个样本之间的亲和力。
二、实验环境
1. 配置虚拟环境 可使用如下指令
conda create -n bio python3.8conda activate biopip install -r requirements.txt其中requirements.txt
numpy1.18.1
matplotlib3.1.2
seaborn0.9.0
2. 库版本介绍
软件包本实验版本目前最新版matplotlib3.1.23.8.0numpy1.81.11.26.0python3.8.16scipy1.10.11.11.3seaborn0.12.20.13.0
三、实验内容
0. 导入必要的库
import scanpy as sc
import numpy as np
from scipy.spatial import distance_matrix
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import pearsonrScanpy是一个用于单细胞RNA测序数据分析的Python库提供了许多功能和工具来处理和分析单细胞数据
1. 读取数据集
adata sc.read_h5ad(./pbmc3k.h5ad)在生物信息学中PBMC3K.h5ad是一种常用的单细胞RNA测序数据集用于研究人类外周血单个核细胞PBMC的基因表达。
2. 质量控制可选
# 质控
# 过滤掉低质量的细胞和基因
sc.pp.filter_cells(adata, min_genes200) # 过滤掉表达基因数目小于200的细胞
sc.pp.filter_genes(adata, min_cells30) # 过滤掉被少于3个细胞表达的基因
3. 基于距离的亲和力矩阵
import scanpy as sc
import numpy as np
from scipy.spatial import distance_matrix# 计算亲和力矩阵
adata sc.read_h5ad(./pbmc3k.h5ad)
dis_matrix distance_matrix(adata.X, adata.X) # calculate distance matrix
num_cell dis_matrix.shape[0]
sig np.var(dis_matrix) # sigma
affinity_matrix np.zeros((num_cell, num_cell))
for i in range(num_cell):for j in range(num_cell):affinity_matrix[i,j] np.exp(-dis_matrix[i,j] /(2 * sig))4. 绘制基因表达的Heatmap
sns.heatmap(affinity_matrix, cmapviridis)
plt.title(Affinity Matrix)
plt.xlabel(Cells)
plt.ylabel(Cells)
plt.show()ChatGPT 热图Heatmap是一种数据可视化技术用于显示数据中的密度和模式。它通过将数据点映射到颜色编码的图像上来展示数据的分布情况。热图通常用于显示二维数据其中每个数据点的位置对应于平面上的坐标并使用颜色来表示数据点的密度或值。 在一个热图中颜色编码表示了数据点的频率或强度。通常较高的频率或强度用较亮或较暖的颜色如红色表示而较低的频率或强度用较暗或较冷的颜色如蓝色表示。这种颜色映射使得我们能够直观地观察和分析数据的分布特征从而揭示出数据集中的模式、热点和趋势。 热图在多个领域和应用中都得到了广泛使用。在数据分析和可视化中热图常用于显示热点地区、人口密度、温度分布、点击热度、基因表达模式等。在商业领域热图可以帮助用户更好地理解和解释数据从而支持决策制定和问题解决。此外热图还在医学、生物学、交通规划、市场营销等领域中发挥着重要作用。 5. 基于皮尔逊相关系数的亲和力矩阵 【生物信息学】使用皮尔逊相关系数进行相关性分析
from scipy.stats import pearsonr
# 计算每对细胞之间的皮尔逊相关系数pearson_matrix np.zeros((num_cell, num_cell))
for i in range(num_cell):for j in range(num_cell):pearson_matrix[i, j] pearsonr(adata.X[i], adata.X[j])[0]# 将合并的亲和力矩阵保存
adata.obsp[distances] combined_affinitysns.heatmap(combined_affinity, cmapviridis)
plt.title(Combined Matrix)
plt.xlabel(Cells)
plt.ylabel(Cells)
plt.show()6. 代码整合
import scanpy as sc
import numpy as np
from scipy.spatial import distance_matriximport seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import pearsonr# 计算亲和力矩阵
adata sc.read_h5ad(./pbmc3k.h5ad)
dis_matrix distance_matrix(adata.X, adata.X) # calculate distance matrix
num_cell dis_matrix.shape[0]
sig np.var(dis_matrix) # sigma
affinity_matrix np.zeros((num_cell, num_cell))
for i in range(num_cell):for j in range(num_cell):affinity_matrix[i,j] np.exp(-dis_matrix[i,j] /(2 * sig))# %%# 创建热图
sns.heatmap(affinity_matrix, cmapviridis)
plt.title(Affinity Matrix)
plt.xlabel(Cells)
plt.ylabel(Cells)
plt.show()# %%
from scipy.stats import pearsonr
# 计算每对细胞之间的皮尔逊相关系数pearson_matrix np.zeros((num_cell, num_cell))
for i in range(num_cell):for j in range(num_cell):pearson_matrix[i, j] pearsonr(adata.X[i], adata.X[j])[0]# 将基于距离的亲和力矩阵和皮尔逊相关系数亲和力矩阵相加
combined_affinity affinity_matrix pearson_matrix# 将合并的亲和力矩阵保存
adata.obsp[distances] combined_affinitysns.heatmap(combined_affinity, cmapviridis)
plt.title(Affinity Matrix)
plt.xlabel(Cells)
plt.ylabel(Cells)
plt.show()
