BBKNN 开源项目教程

1. 项目介绍

BBKNN（Batch balanced KNN）是一个快速且直观的批次效应去除工具，可以直接在 scanpy 工作流中使用。它作为 scanpy.pp.neighbors() 的替代方案，用于创建邻域图，以便在聚类、伪时间推断和UMAP可视化中使用。BBKNN通过在每个批次中分别识别每个细胞的最近邻，而不是在整个数据集中识别，从而有效地减少了批次效应。

主要特点

• 批次平衡的KNN：在每个批次中分别识别最近邻，然后将这些最近邻合并为最终的邻域列表。
• 与 scanpy 兼容：可以直接集成到 scanpy 工作流中。
• 快速高效：适用于大规模单细胞转录组数据。

2. 项目快速启动

安装

BBKNN 可以通过 pip 或 conda 进行安装：

pip3 install bbknn

或者

conda install -c bioconda bbknn

使用示例

以下是一个简单的使用示例，展示了如何在 scanpy 工作流中使用 BBKNN：

import scanpy as sc
import bbknn

# 加载数据
adata = sc.read_h5ad('pancreas.h5ad')

# 计算PCA
sc.tl.pca(adata)

# 使用BBKNN进行批次校正
bbknn.bbknn(adata)

# 计算UMAP
sc.tl.umap(adata)

# 可视化
sc.pl.umap(adata, color='batch')

3. 应用案例和最佳实践

应用案例

BBKNN 在处理大规模单细胞数据时表现出色，特别是在批次效应明显的数据集中。以下是一个应用案例：

案例：胰腺数据集的批次校正

在这个案例中，我们使用 BBKNN 对来自不同批次的胰腺数据进行校正，并进行可视化。

import scanpy as sc
import bbknn

# 加载数据
adata = sc.read_h5ad('pancreas.h5ad')

# 计算PCA
sc.tl.pca(adata)

# 使用BBKNN进行批次校正
bbknn.bbknn(adata)

# 计算UMAP
sc.tl.umap(adata)

# 可视化
sc.pl.umap(adata, color=['batch', 'celltype'])

最佳实践

• 批次键的选择：确保在 adata.obs 中正确设置批次键，通常为 'batch'。
• PCA 计算：在使用 BBKNN 之前，确保已经计算了 PCA。
• 参数调整：根据数据集的特点，调整 BBKNN 的参数，如 neighbors_within_batch。

4. 典型生态项目

BBKNN 通常与其他单细胞数据分析工具一起使用，形成一个完整的分析流程。以下是一些典型的生态项目：

• Scanpy：用于单细胞数据分析的主要工具包，BBKNN 可以直接集成到 Scanpy 的工作流中。
• UMAP：用于数据降维和可视化，BBKNN 校正后的数据可以直接用于 UMAP 可视化。
• Leiden 聚类：用于细胞聚类，BBKNN 校正后的邻域图可以直接用于 Leiden 聚类。

通过这些工具的结合使用，可以构建一个完整的单细胞数据分析流程，从数据预处理到可视化。