Cell BLAST是基于深度学习模型的scRNA-seq数据检索和注释的新方法，同时具备高质量注释的scRNA-seq参考数据库ACA，可以有效利用现有数据进行细胞注释和跨数据集研究。

在线访问地址：https://cblast.gao-lab.org/

类比BLAST，Cell BLAST使用对抗自编码器进行数据降维，利用对抗学习策略来消除数据集间的批次效应，可以在参考数据集中检索与用户提供的细胞数据最相似的细胞，并借助这些相似细胞在数据库中的注释信息，对提交的细胞的注释信息进行推断。

除了用于细胞类型鉴定，Cell BLAST也能发现参考数据集中不存在的、未知的细胞类型。

Cell BLAST既有方便直接使用的网页版操作洁面，也有基于python的相关包供高级研究者使用。

1）网页版操作：

点击“RUN A DEMO”可以使用演示数据进行测试。

2）基于Python包的使用

基于conda安装方式：

  • 创建环境conda create -n cb python=3.6 && source activate cb
  • 安装tensorflow 或者 tensorflow-gpu需要的环境：GPU版（conda install tensorflow-gpu=1.8）CPU版（conda install tensorflow=1.8）
  • 安装CELL BLAST（pip install Cell-BLAST）
  • 在python终端输入import Cell_BLAST as cb用检查是否能正确载入

官方文档：https://cblast.gao-lab.org/doc-latest/_static/BLAST.html

3）对应的refrence下载

可以在https://cblast.gao-lab.org/download下载

Cell BLAST是一个实用的单细胞工具。

参考资料：

1.https://cblast.gao-lab.org/doc-latest/install.html

2.https://cblast.gao-lab.org/FAQs

3.https://github.com/gao-lab/Cell_BLAST

4.Cao, ZJ., Wei, L., Lu, S. et al. Searching large-scale scRNA-seq databases via unbiased cell embedding with Cell BLAST. Nat Commun11, 3458 (2020).

阅读: 410