【单细胞】Scanpy进行高可变基因的筛选

1 功能

取出高可变基因，默认使用log的数据，当使用flavor=seurat_v3的时候，采用count data。

flavor参数可以选择是使用Seurat，Cell ranger还是seurat v3的算法。

Seurat and Cellranger中，使用的是dispersion-based方法，获得归一化的方差。先对基因按照表达量平均值进行分bin，然后计算落在每个bin的基因的离散度（dispersion）的均值和SD，最终获得归一化的dispersion。对于每个表达量的bin，选择不同的高可变表达基因。

而Seurat3的算法，计算每个基因的方差进行归一化。首先对数据在规范化标准偏差下（a regularized standard deviation）进行标准化（使用z标准化），之后计算每个基因的归一化的方差，并且进行排序，获得高可变基因。

2 参数

• adata：输入的数据，每行是一个细胞，每列是一个特征
• layer：使用的是哪一个layer
• n_top_genes：如果是使用seurate_v3的方法，那么需要指定该参数。
• min_mean：默认0.0125 ；max_mean：默认是3 ；min_disp: 默认0.5， max_disp: 默认是inf。如果指定了n_top_genes , 这个和其他所有mean和disp参数都会无效，因此设置了 flavor=‘seurat_v3’ 该参数无用。
• span：默认是0.3；当flavor=seurat_v3的时候，用loess模型来估计variance的数据的比例。
• n_bins : 默认是20，对表达量分bin的数目，对每个bin里的数据进行归一化，如果只有一个基因落到bin里，那么该bin的dispersion会设为1。
• flavor: {‘seurat’, ‘cell_ranger’, ‘seurat_v3’} (default: ‘seurat’)
• subset：默认是false，只是返回高可变基因，否则就原位替换
• inplace：默认是True，在var中进行存储矩阵
• batch_key：没看懂

3 参考文献

[1]使用scanpy进行高可变基因的筛选