
cell2location通常分成两步:先用单细胞或单核参考数据估计细胞类型表达签名,再用空间转录组计数估计各位置的细胞丰度。资源试跑可以回答“这批数据大致要多少时间和显存”,不能回答“细胞类型注释是否正确”。以下用Visium类spot数据举例;其他平台要重新确认输入和空间单位。
一、先固定输入和版本
| 阶段 | 关键输入 | 主要验收 |
|---|---|---|
| 参考回归 | 原始计数、细胞类型与批次 | 重建QC与标签覆盖 |
| 空间映射 | 切片计数、坐标、参考签名 | 基因交集与位置丰度 |
| 后验导出 | 已验收模型及抽样设置 | 内存、耗时与不确定性 |
空间矩阵与参考矩阵都要保留未归一化的非负计数;不要把log-normalized矩阵直接交给模型。记录cell2location、scvi-tools、PyTorch、CUDA版本,并保存AnnData中实际作为输入的X或layer。参考数据至少要有细胞类型标签;若合并了多个样本或技术平台,还应保留相应batch或技术字段。先查看每类细胞数、缺失标签、重复基因名和每个切片的位置数。
多切片不等于把对象简单拼接。给每个位置保留明确的样本/切片字段,并决定是联合拟合还是逐片分析;该选择会影响技术差异如何估计,需写入分析记录。坐标和组织图像也要逐片对应,不能只因obs顺序一致就假定空间坐标没错。
二、参考签名先单独验收
按官方流程用RegressionModel拟合参考数据:batch_key对应真实样本或批次,labels_key对应细胞类型;不要把生物学上想比较的条件误当成应被消除的技术协变量。运行后检查setup摘要、训练记录和plot_QC重建图。明显偏离对角线、某些类型样本太少或参考组织与空间样本不匹配时,先处理参考,不要急着加显卡。
导出的签名表应是“基因×细胞类型”,行名为唯一基因ID,列名为预期细胞类型。先看类型列是否齐全、数值是否有限且非负,再与空间数据取交集。两边用同一基因ID体系,并按同一交集顺序重排;交集很少时,检查Ensembl ID与gene symbol、版本后缀和重复名,而不是默默继续。
三、用小样本估资源,不做结论
先在每张切片抽取一小部分位置、保留较完整的基因和所有参考细胞类型,建立独立测试目录。固定软件、参数和输入后,分别测参考回归与空间模型;改变batch_size时每次只改这一项。短训练只用于排除接口错误和估计大致资源,不应用其后验图解释组织生物学。
# 在实际环境中先确认当前安装版本的API,再做短资源探测
import inspect
from importlib.metadata import version
from cell2location.models import RegressionModel, Cell2location
from scvi.model.base import PyroSviTrainMixin
print({p: version(p) for p in ("cell2location", "scvi-tools", "torch")})
print(inspect.signature(PyroSviTrainMixin.train))
# 分别建模;空间阶段需传入已验收的 cell_state_df
# model.train(max_epochs=短轮数, batch_size=..., accelerator="gpu", device=0)
# 正式分析使用经评估的训练轮数、先验和后验导出设置
当前scvi-tools的Pyro训练接口使用accelerator与device;旧版本文档可能写use_gpu,不能把不同版本参数混用。若本机接口不同,以锁定版本对应文档为准。batch_size=None会将全量数据复制到设备,通常不是降低显存的办法。除训练外,后验采样/导出也会占用资源,应单独计时和记录峰值。
四、先验和结果要结合组织判断
N_cells_per_location表示每个空间位置的预期细胞数先验,应结合spot面积、组织类型及配对组织学估计,不能照抄教程数字。detection_alpha控制位置间RNA检测差异的建模;若不同切片测序深度差异明显,应比较有依据的候选设定,并观察总RNA、组织学细胞密度和模型估计是否相容。不要为了得到“好看”的空间图反复调参。
正式分析至少检查重建QC、每片总丰度分布、空间图是否落在组织区域、低置信度区间以及各细胞类型是否有参考支持。稀有类型铺满全片、背景区域出现高丰度或不同片差异只跟测序深度一致时,应回查参考覆盖、基因匹配、先验和切片批次。丰度是模型估计而非直接计数,需结合组织学或独立标记解释。
五、记录资源与排查顺序
每阶段保存输入文件哈希、版本、切片数、位置数、基因数、细胞类型数、batch_size、训练轮数、耗时、主机RAM峰值、GPU型号与显存峰值。显存不足先区分发生在模型初始化、训练还是后验导出;RAM不足则检查是否复制了稠密矩阵或同时载入多片。接口报错先看当前版本签名;结果不合理先看数据和参考,升级硬件不能修复输入不匹配。
如果代表性试跑确认现有设备无法按项目时限完成,再按实际位置数、基因数、切片数及后验导出需求评估计算资源;咨询时提供这些清单和测试日志,便于核对配置是否适用。
下载练习材料
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:模型与数据适配,GPU环境验证后批量训练需额外资源。如需额外资源,可评估兼容GPU服务器租赁。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
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。咨询本任务的服务器配置
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。
