RCTD算法

用途

使用RCTD做解卷积细胞注释

运行方式

SDAS cellAnnotation rctd -i st.h5ad -o outdir --reference sc.h5ad --bin_size 20 --label_key annotation2 \
--filter_rare_cell 0

输入参数说明

参数是否必须默认值描述
-i / --inputStereo-seq h5ad,要求有原始表达矩阵
-o / --output输出文件夹
--reference单细胞ref h5ad,要求有原始表达矩阵
--label_key单细胞ref h5ad.obs中表示细胞类型的列的名称
--bin_sizeBin大小,用于控制图中点的大小,不用于计算,比如20,50,100, cellbin (等效于20)
--input_layerStereo-seq h5ad存放raw counts的layer
--ref_layer单细胞ref h5ad存放raw counts的layer
--input_gene_symbol_keyreal_gene_nameStereo-seq h5ad.var中表示基因名(symbol)的列的名称
--ref_gene_symbol_key_index单细胞ref h5ad.var中表示基因名(symbol)的列的名称 (_index 表示使用h5ad.var.index)
--slice_keysampleID多片h5ad.obs中表示片编号的列的名称,用于画图
--filter_rare_cell100如果某些细胞类型在单细胞ref中细胞数小于此值,则过滤掉这些细胞类型
--modefullRCTD模式。选项:doublet, multi, full
--UMI_min100小于此UMI数的空转spot会被过滤
--counts_MIN10小于此基因数的空转spot会被过滤
--seed42随机种子设置
--n_cpus8使用的进程数

输出结果展示

结果文件 描述
<input_name>_anno_rctd.csv 每个spot的注释结果,包括每种细胞类型的分数
<input_name>_anno_rctd.h5ad 输入h5ad+注释结果。每个细胞类型的分数存在obsm['anno_score_rctd']中,分数最高的类型存在obs['anno_rctd']中
<input_name>_anno_rctd.png/pdf 总体注释结果图,多片情况下每片画一张图,同时输出png和pdf
<input_name>_anno_rctd_split.png/pdf 每个细胞类型分开展示图,多片情况下每片画一张图,同时输出png和pdf
<input_name>_anno_score_rctd.png/pdf 每个细胞类型的分数图,多片情况下每片画一张图,同时输出png和pdf

详细说明与具体结果展示可参考以下链接。(cell2location算法-->细胞注释-->输出结果展示)。

© 2025 STOmics Tech. All rights reserved.Modified: 2025-08-01 16:50:17

results matching ""

    No results matching ""