TOSICA开源项目使用教程

1. 项目介绍

TOSICA（Transformer for One-Stop Interpretable Cell-type Annotation）是一个基于Python的开源项目，利用scanpy和torch框架对单细胞RNA-seq数据进行分析，以实现细胞类型的可解释性注释。该项目旨在为单细胞测序数据提供一种高效、准确的细胞类型分类方法。

2. 项目快速启动

环境准备

• 操作系统：Linux/UNIX/Windows
• Python版本：Python >= 3.8
• 依赖库：torch == 1.7.1

使用conda创建虚拟环境：

conda create -n TOSICA python=3.8 scanpy
conda activate TOSICA

安装依赖：

conda install pytorch=1.7.1 torchvision=0.8.2 torchaudio=0.7.2 cudatoolkit=10.1 -c pytorch

安装TOSICA

从GitHub安装：

pip install git+https://github.com/JackieHanLab/TOSICA.git

或者从本地仓库安装：

pip install .

模型训练

训练模型前，需要准备参考数据集（AnnData对象）和GMT文件路径。

TOSICA.train(
    ref_adata=reference_dataset,  # 参考数据集
    gmt_path='path_to_gmt_file',  # GMT文件路径
    project='my_project',         # 项目保存文件夹名
    label_name='label_key'        # 数据集中的标签列名
)

训练完成后，模型和相关文件将保存在指定的项目文件夹中。

模型预测

使用训练好的模型对新的数据集进行预测。

new_adata = TOSICA.pre(
    query_adata=query_dataset,       # 查询数据集
    model_weight_path='path_to_weights',  # 模型权重文件路径
    project='my_project'             # 项目文件夹名
)

预测结果将包含注意力矩阵、预测标签和预测概率等信息。

3. 应用案例和最佳实践

• 数据预处理：确保参考数据集和查询数据集中的基因顺序一致。
• 模型选择：根据数据集特点选择合适的GMT文件。
• 结果解读：分析注意力矩阵和基因集合索引，理解模型对数据特征的学习。

4. 典型生态项目

TOSICA作为单细胞数据类型注释的工具，可以与以下生态项目结合使用：

• scanpy：用于单细胞分析的高级Python包。
• Seurat：R包，用于单细胞分析。
• DeepCell：基于深度学习的单细胞图像分析工具。

通过整合这些工具，可以构建更加强大和完善的单细胞数据分析流程。