云生信学生物信息学

Dandelion队列分析:统一预处理后试跑克隆网络

作者:发布于 2026-11-20更新于 2026-11-15约 5 分钟阅读
先试跑克隆网络,再扩展队列

先试跑克隆网络,再扩展队列:统一样本和VDJ处理版本;明确克隆定义与距离范围;关闭布局测核心计算峰值;固定参数后再跑完整队列
本文操作与检查路径示意。

Dandelion可处理单细胞BCR/TCR V(D)J数据,也能计算克隆序列间距离并构建网络。队列任务容易变慢的原因不只在网络:输入是否重新注释、克隆定义、是否计算全体两两距离、布局是否开启,都会改变时间和内存。建议先固定预处理版本,再用同一参数做小规模试跑。

先统一多样本输入和环境

为每个样本保存一行清单:样本ID、contig或AIRR文件、物种、链类型、单细胞对象位置和处理状态。合并前检查barcode前缀不会跨样本冲突,并确保表达对象使用相同细胞ID。Dandelion预处理若要重新注释,需准备对应Cell Ranger contig文件及IgBLAST/数据库等依赖;若使用现成AIRR表,则记录来源和跳过了哪些步骤。不同样本不可一部分重注释、一部分直接沿用旧注释却不说明。

设置 影响 试跑要记录
克隆列 决定哪些序列会被比较 clone_key及定义来源
distance_mode clone只算克隆内距离;full计算完整两两距离 节点数、边数和耗时
compute_layout 额外计算可视化坐标 布局是否为当前目标所需
n_cpus、lazy 并行与分块可能改变资源及I/O压力 CPU、峰值内存、临时盘

先在小样本生成网络

下面假设已有经过检查并保存的 .h5ddl 对象,且对象包含有效克隆列与序列。当前接口来自新版base API;旧版先查本机签名,不能直接照搬参数。

from dandelion.base.io import read_h5ddl
from dandelion.base.tools import generate_network
from pathlib import Path
import inspect

source = Path("prepared.h5ddl")
out = Path("network-pilot")
out.mkdir(exist_ok=False)
vdj = read_h5ddl(str(source))
assert vdj.data.index.is_unique
assert {"clone_id", "sequence_alignment_aa"} <= set(vdj.data.columns)
assert vdj.data["cell_id"].notna().all()
print(inspect.signature(generate_network))

pilot = generate_network(
    vdj, clone_key="clone_id", distance_mode="clone",
    compute_layout=False, n_cpus=4, use_existing_graph=False,
    random_state=101
)
pilot.write(str(out / "pilot.h5ddl"))

先核对返回对象和文件确实写出,再检查节点、边、克隆分布和序列缺失。试跑对象应是有代表性的子集;若使用API的 sample 参数,它表示随机抽取细胞数,不是把全数据拆成独立批次,且样本数大于现有细胞数时可能有放回抽样。不要把多个子集的网络简单拼成完整网络。

结果异常时先查定义与范围

克隆键为空、productive序列很少或图几乎没有边,先核对预处理、序列列、克隆标签及productive筛选。图过密或耗时激增时,确认是否误选 distance_mode="full";“clone”只比较同一克隆内的序列,通常更适合先试跑。关闭布局可把“距离/图计算”和“可视化坐标”拆开诊断。距离边不等于细胞状态相似,也不能单凭网络证明克隆间存在生物学关系。

按研究问题决定统一建图还是按样本建图:分开建图便于控制单次内存,但各图中的节点编号和边不能直接跨样本比较;统一建图则须明确克隆ID是否跨样本可比,并保留样本标签。先在试跑表中写清比较单位,避免把技术批次差异解释成克隆关系。

按阶段记录预处理、距离计算、图生成、布局和写盘的耗时与峰值RSS;另记输入细胞数、序列数、克隆数、节点和边数。只有网络计算本身已确认是瓶颈,才提高CPU或尝试lazy/Zarr;lazy可能减少内存峰值,但会增加磁盘I/O和临时存储要求,并非每一步都自动变成惰性执行。最终在完整数据上用固定版本和参数运行,保存输入清单、参数、日志、软件版本与输出校验值,便于队列复核和后续复现。

下载练习材料

下载教程 PDF · 下载代码与示例数据 ZIP

先核对包内SHA256清单,再在独立目录复现。

需要额外算力时

适用前提:输入和分析目标已确认,本地依赖或图计算资源不足。如需额外资源,可评估服务器租赁及按需环境部署。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

参考与版本核对

按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗