COSG细胞标记基因鉴定

基于余弦相似度的COSG算法，其核心思想是通过比较基因在n维细胞空间的向量夹角大小来描述基因在所有细胞中表达模式的相似性 ；

## cosg
cosg.cosg(adata,key_added='cosg',mu=1,n_genes_user=50,groupby='group_anno')

result = adata.uns['cosg']
groups = result['names'].dtype.names

cosg_deg =pd.DataFrame({group + '_' + key: result[key][group] for group in groups for key in ['names', 'scores']})
cosg_deg.to_csv("/GPFS/*/cosg_deg.csv")
cosg_deg = pd.read_csv("/GPFS/*/cosg_deg.csv",index_col=0)

这里pd即panda，可以查询pd.DataFrame具体看如何写入表格
{}是建立字典，如果还需要其它内容可在key in []里面继续添加
n_genes_user=50 指每个分组50个基因
但是COSG只有一个score值，及余弦值。所以输出的表格只有标记基因和余弦值，没有DEGseq这样的p值等等