引言
本系列讲解 使用Scanpy分析单细胞（scRNA-seq）数据 教程，持续更新，欢迎关注，转发！
归一化
接下来的预处理步骤是归一化。一种常用的方法是先进行计数深度缩放，然后进行对数加一（log1p）转换。计数深度缩放是将数据标准化到一个“尺寸因子”，比如数据集中所有样本的中位数计数深度、每万（CP10k）或每百万（CPM）计数。通过调整 pp.normalize_total 中的 target_sum 参数，可以控制计数深度缩放的尺寸因子。采用中位数计数深度进行归一化，并结合 log1p 转换（也就是 log1PF）来处理数据。
# Saving count data
adata.layers["counts"] = adata.X.copy()
# Normalizing to median total counts
sc.pp.normalize_total(adata)
# Logarithmize the data
sc.pp.log1p(adata)
特征选择
接下来，希望减少数据集的复杂性，只保留那些最有信息量的基因。这个过程通常被称为特征选择。scanpy 的 pp.highly_variable_genes 函数会根据所选的方法，来识别出高变基因。
sc.pp.highly_variable_genes(adata, n_top_genes=2000, batch_key="sample")
sc.pl.highly_variable_genes(adata)
降维
通过主成分分析（PCA）来降低数据的维度。PCA 可以揭示数据中主要的变化方向，并去除噪声。
sc.tl.pca(adata)
可以检查每个主成分对数据总方差的贡献，从而判断在计算细胞之间的相似性（例如用于聚类分析的 leiden() 或 tsne() 函数）时，应该考虑多少主成分。根据的经验，即使多选一些主成分，也不会有明显的负面影响。
sc.pl.pca_variance_ratio(adata, n_pcs=50, log=True)
此外，还可以绘制主成分图，看看是否有某些不期望的因素（比如批次效应或质量控制指标）在数据中导致了显著的变异。虽然在这个案例中没有发现特别严重的问题，但进行这样的探索还是很有必要的。
sc.pl.pca(
adata,
color=["sample", "sample", "pct_counts_mt", "pct_counts_mt"],
dimensions=[(0, 1), (2, 3), (0, 1), (2, 3)],
ncols=2,
size=2,
)
最近邻图的构建和可视化
利用数据矩阵的主成分分析（PCA）结果来构建细胞的邻域图。
sc.pp.neighbors(adata)
接着，通过 UMAP，将该图映射到二维空间中，以便进行可视化展示：
sc.tl.umap(adata)
现在，可以根据样本类型对 UMAP 图进行可视化处理。
sc.pl.umap(
adata,
color="sample",
# Setting a smaller point size to get prevent overlap
size=2,
)
虽然本教程涉及的数据包含了两个不同的样本，但发现它们之间的批次效应非常小，因此可以继续对数据进行聚类分析和注释。
如果你在 UMAP 图中发现了批次效应，那么进行跨样本整合以及批次校正或整合可能会有所帮助。建议你可以参考 scanorama 和 scvi-tools 这两个工具来进行批次整合。
聚类
和 Seurat 以及其他许多分析框架一样，推荐使用 Leiden 图聚类方法。需要注意的是，Leiden 聚类是直接对细胞的邻域图进行操作的，而这个邻域图已经在前面的步骤中计算完成了。
# Using the igraph implementation and a fixed number of iterations can be significantly faster, especially for larger datasets
sc.tl.leiden(adata, flavor="igraph", n_iterations=2)
sc.pl.umap(adata, color=["leiden"])
