scGPT 项目使用教程

1. 项目介绍

scGPT 是一个基于生成式预训练变压器（Generative Pre-trained Transformer）的基础模型，旨在利用大量单细胞数据构建单细胞多组学的基础模型。该项目通过在超过3300万个细胞的数据库上构建生成式预训练变压器，有效地提取了基因和细胞的关键生物学见解。scGPT 可以进一步通过迁移学习进行优化，以在各种下游应用中实现卓越的性能，包括细胞类型注释、多批次整合、多组学整合、扰动响应预测和基因网络推断等。

2. 项目快速启动

2.1 安装

scGPT 支持 Python >= 3.7.13 和 R >= 3.6.1。请确保在安装前已安装正确的 Python 和 R 版本。scGPT 可以通过 PyPI 安装，运行以下命令：

pip install scgpt "flash-attn<1.0.5"  # 可选，推荐

如果遇到与 Google orbax 包相关的问题，可以使用以下命令：

pip install scgpt "flash-attn<1.0.5" "orbax<0.1.8"

2.2 快速使用

以下是一个简单的示例代码，展示如何加载预训练模型并进行推理：

import scgpt as sc

# 加载预训练模型
model = sc.load_pretrained("path_to_ckpt.pt")

# 进行推理
result = model.predict(input_data)
print(result)

3. 应用案例和最佳实践

3.1 细胞类型注释

scGPT 在细胞类型注释任务中表现出色。以下是一个使用 scGPT 进行细胞类型注释的示例：

import scgpt as sc

# 加载预训练模型
model = sc.load_pretrained("path_to_ckpt.pt")

# 加载数据
data = sc.load_data("path_to_data.h5ad")

# 进行细胞类型注释
annotations = model.annotate_cells(data)
print(annotations)

3.2 多批次整合

scGPT 还可以用于多批次数据的整合。以下是一个示例代码：

import scgpt as sc

# 加载预训练模型
model = sc.load_pretrained("path_to_ckpt.pt")

# 加载多批次数据
data_batch1 = sc.load_data("path_to_batch1.h5ad")
data_batch2 = sc.load_data("path_to_batch2.h5ad")

# 进行多批次整合
integrated_data = model.integrate_batches([data_batch1, data_batch2])
print(integrated_data)

4. 典型生态项目

4.1 Scanpy

Scanpy 是一个用于单细胞基因表达数据分析的 Python 库，scGPT 可以与 Scanpy 结合使用，以增强数据分析能力。

4.2 scvi-tools

scvi-tools 是一个用于单细胞数据分析的工具包，支持多种单细胞数据分析任务，scGPT 可以与 scvi-tools 结合使用，以提高数据处理效率。

4.3 CellxGene

CellxGene 是一个用于探索和共享单细胞数据的交互式平台，scGPT 的分析结果可以导入 CellxGene 进行进一步的可视化和分析。

通过以上模块的介绍和示例代码，您可以快速上手使用 scGPT 项目，并了解其在单细胞多组学分析中的应用。