Scanpy可视化中如何筛选显著差异基因

在单细胞RNA测序数据分析中，Scanpy是一个广泛使用的Python工具包。当使用Scanpy进行差异表达分析后，我们经常需要将结果可视化。本文将介绍如何在可视化过程中仅展示具有统计学显著性的基因。

差异表达分析结果可视化

Scanpy的rank_genes_group方法会计算每个基因在不同细胞群中的表达差异，并给出统计显著性指标（如p值和校正后的p值）。这些结果通常存储在adata.uns中。

筛选显著基因的方法

1. 直接过滤AnnData对象： 在调用绘图函数前，可以先对AnnData对象进行过滤，仅保留显著基因：

   sc.pl.umap(adata[:, adata.var['p_adjusted'] < 0.05], ...)
   

2. 针对rank_genes_group结果： 如果可视化的是差异表达分析结果（如火山图、点图等），可以先将显著基因信息添加到adata.var中：

   # 假设差异分析结果存储在adata.uns['rank_genes_groups']
   significant_genes = [gene for gene in adata.var_names 
                       if adata.uns['rank_genes_groups']['pvals_adj'][group][gene] < 0.05]
   adata.var['significant'] = adata.var_names.isin(significant_genes)
   

实际应用建议

1. 对于常规可视化（如UMAP/tSNE），直接过滤AnnData对象是最简单的方法
2. 对于差异表达结果可视化，建议先将显著性信息添加到adata.var中，便于后续多种可视化使用
3. 可以创建自定义函数封装这一过程，提高代码复用率

通过这种方式，我们可以确保可视化结果只展示具有统计学意义的基因，使结果更加清晰可靠。