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:
-
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。 -
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')
-
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
-
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])
-
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。 -
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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









