一般我们常用R中Seurat、scran、monocle等的R包来处理单细胞数据，但是R在读取和处理数据的过程中会将所有的变量和占用都储存在RAM当中，在处理海量数据时经常会出现内存不足的情况。

scanpy是一个基于python的单细胞基因表达分析包，它包含了数据预处理、可视化、聚类、伪时间分析和轨迹推断、差异表达分析等数据分析手段等。

The Python-based implementation efficiently deals with datasets of more than one million cells.

https://scanpy.readthedocs.io/en/stable/index.html

安装scanpy：


# 建议用conda安装, 建议python版本大于3.6
# 安装依赖包
conda install seaborn scikit-learn statsmodels numba pytables
conda install -c conda-forge python-igraph leidenalg

# 安装scanpy，目前好像这个用conda还无法完成正确安装
pip install scanpy

Docker：docker pull fastgenomics/scanpy

教程：

1）聚类：https://scanpy-tutorials.readthedocs.io/en/latest/pbmc3k.html

2）可视化：https://scanpy-tutorials.readthedocs.io/en/latest/plotting/core.html

3）轨迹推断：https://scanpy-tutorials.readthedocs.io/en/latest/paga-paul15.html

4）数据整合分析（整合、降维、注释等）：https://scanpy-tutorials.readthedocs.io/en/latest/integrating-data-using-ingest.html

5）空间分数分析：https://scanpy-tutorials.readthedocs.io/en/latest/spatial/basic-analysis.html

关于scanpy的介绍就到这里了，后面可以简单演示一下其分析流程和思路。

参考资料：

1.https://scanpy.readthedocs.io/en/stable/installation.html

阅读: 1,019