Scanpy中rank_genes_groups_dotplot与filter_rank_genes_groups的配合使用问题解析

在使用Scanpy进行单细胞数据分析时，我们经常会用到差异基因分析功能。其中rank_genes_groups和filter_rank_genes_groups是两个常用的函数，而rank_genes_groups_dotplot则用于可视化差异基因结果。然而在实际使用中，用户可能会遇到一些兼容性问题。

问题现象

当用户尝试使用rank_genes_groups_dotplot可视化经过filter_rank_genes_groups筛选后的结果时，可能会遇到以下错误提示：

ValueError: Please run `sc.tl.rank_genes_groups` with 'n_genes=adata.shape[1]' to save all gene scores. Currently, only 2238 are found

这个错误通常发生在尝试绘制log fold change值（通过设置values_to_plot="logfoldchanges"）时。

问题根源

这个问题的根本原因在于filter_rank_genes_groups函数的工作原理。该函数会对原始的差异基因分析结果进行筛选，只保留满足条件的基因。然而，当用户后续想要绘制log fold change等统计量时，这些统计量可能已经被过滤掉了，导致绘图函数无法找到所需的数据。

解决方案

要解决这个问题，有以下几种方法：

1. 在原始分析中保留所有基因： 在运行rank_genes_groups时，设置参数n_genes=adata.shape[1]，这样可以确保所有基因的统计量都被保存下来，即使后续进行筛选也能保留完整数据。

2. 使用正确的key参数： 当使用filter_rank_genes_groups后，结果会保存在一个新的key中（默认为原始key加上"_filtered"后缀）。在绘图时需要明确指定这个key，例如：

   sc.pl.rank_genes_groups_dotplot(adata, key='rank_genes_groups_filtered')
   

3. 避免在筛选后绘制被过滤的统计量： 如果某些统计量在筛选过程中被移除了，可以考虑绘制其他可用的统计量，或者重新运行分析时保留完整数据。

最佳实践建议

1. 在进行差异基因分析时，如果预计后续需要绘制各种统计量，建议初始分析时就保留所有基因的信息：

   sc.tl.rank_genes_groups(adata, groupby='leiden', n_genes=adata.shape[1])
   

2. 筛选差异基因后，明确知道哪些信息是可用的。filter_rank_genes_groups主要基于p值和log fold change进行筛选，但不会删除这些统计量本身。

3. 当遇到绘图问题时，检查adata.uns中相应key下的数据结构，确认所需的数据是否存在。

通过理解这些函数之间的交互方式和数据存储结构，用户可以更灵活地使用Scanpy进行差异基因分析和可视化。