【单细胞】sc.pp.normalize_per_cell和sc.pp.normalize_total()函数

最新推荐文章于 2024-08-16 14:29:24 发布

原创最新推荐文章于 2024-08-16 14:29:24 发布 · 1.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #numpy

生物信息专栏收录该内容

17 篇文章

订阅专栏

文章介绍了Scanpy库中的sc.pp.normalize_per_cell()和sc.pp.normalize_total()函数，这两个函数用于对细胞的计数矩阵进行归一化操作。在最新版本中，normalize_total()替代了normalize_per_cell()。示例展示了如何使用这些函数以及log1p()进行数据处理。归一化计算涉及对每个细胞的所有基因计数值求和，然后基于这些总和进行调整，以达到标准化的目的。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 功能

sc.pp.normalize_per_cell()和sc.pp.normalize_total()功能是一致的。在最新的Scanpy中sc.pp.normalize_total()替代了sc.pp.normalize_per_cell()，具体的情况见参考文献【2】。这个函数的功能就是对细胞的计数矩阵进行归一化操作。

2 例子

import numpy as np
import scanpy as sc

x = np.array([[1, 2, 3],
              [2, 3, 4],
              [1, 1, 3],
              [0, 2, 10]])
adata = sc.AnnData(x)
adata.raw = adata.copy()
print(np.dot(np.diag(ff), x))
[[1.25       2.5        3.75      ]
 [1.66666667 2.5        3.33333333]
 [1.5        1.5        4.5       ]
 [0.         1.25       6.25      ]]
sc.pp.normalize_per_cell(adata)
print(adata.X)
[[1.25       2.5        3.75      ]
 [1.66666667 2.5        3.33333333]
 [1.5        1.5        4.5       ]
 [0.         1.25       6.25      ]]
sc.pp.normalize_total(adata)
print(adata.X)
[[1.25       2.5        3.75      ]
 [1.66666667 2.5        3.33333333]
 [1.5        1.5        4.5       ]
 [0.         1.25       6.25      ]]
 # 可以看到两个函数的输出是相同的

sc.pp.log1p(adata)
print(adata.X)
[[0.8109302  1.2527629  1.5581446 ]
 [0.98082924 1.2527629  1.466337  ]
 [0.91629076 0.91629076 1.704748  ]
 [0.         0.8109302  1.9810015 ]]
# 最终的计算如下公式所示

接下来看具体的归一化是如何计算的
在这里插入图片描述
上述公式中 $X$ 表示计数矩阵， $ij$ 分别表示行列， $m$ 表示计数中值， $O$ 也表示列。下面介绍具体的Python实现代码：

# 每个细胞所有基因的计数值的和
np.sum(x, axis=1)
# 每个细胞的计数中值
np.median(np.sum(x, axis=1))
# 上面公式的计算部分
ff = np.median(np.sum(x, axis=1)) / np.sum(x, axis=1)
np.dot(np.diag(ff), x)
# 取log
sc.pp.log1p(adata)