
scDblFinder批量运行,先确定“样本”指什么。一次捕获中的多个供体并不天然是多个独立双细胞形成空间;把同一捕获按供体拆开,可能改变可检测的双细胞类型。本文入口是一份只包含一个独立捕获的SingleCellExperiment,按捕获逐个启动R进程,输出预测而不自动删除细胞。
给捕获清单加上方法字段
| 字段 | 内容 | 不要替代为 |
|---|---|---|
| capture_id | 实际独立捕获标识 | 供体或处理组名称 |
| sce | 原始计数SCE的绝对路径 | 整合后表达或scale.data |
| dbr、seed | 本捕获双细胞率依据与种子 | 所有建库套用同一默认值 |
captures.tsv带上述表头。SCE需有counts稀疏计数及colData中的capture_id,细胞名称唯一,已去除空液滴等明显无效输入。dbr应依据建库及细胞负载确定,填写的是比例;不要为得到更少doublet标签而调整。不同技术对模型适用性的核查先于服务器规格。
library(scDblFinder)
library(SingleCellExperiment)
library(BiocParallel)
a <- commandArgs(TRUE)
stopifnot(length(a)==2)
tab <- read.delim("captures.tsv",stringsAsFactors=FALSE)
stopifnot(all(c("capture_id","sce","dbr","seed") %in% names(tab)),
nrow(tab)>0,!anyNA(tab),!anyDuplicated(tab$capture_id))
i <- suppressWarnings(as.integer(a[1]))
stopifnot(!is.na(i),i>=1,i<=nrow(tab))
x <- tab[i,,drop=FALSE]
sce <- readRDS(x$sce)
stopifnot(is(sce,"SingleCellExperiment"),"counts" %in% assayNames(sce),
ncol(sce)>0,!is.null(colnames(sce)),!anyDuplicated(colnames(sce)),all(nzchar(colnames(sce))),
"capture_id" %in% names(colData(sce)),
all(!is.na(sce$capture_id)),all(sce$capture_id==x$capture_id))
z <- counts(sce)
stopifnot(is(z,"dgCMatrix"),all(is.finite(z@x)),all(z@x>=0),
all(z@x==floor(z@x)),all(Matrix::colSums(z)>0))
rate <- as.numeric(x$dbr); seed <- as.integer(x$seed)
stopifnot(is.finite(rate),rate>0,rate<1,!is.na(seed),seed>=0,
!file.exists(a[2]),dir.create(a[2],recursive=TRUE))
set.seed(seed)
sce <- scDblFinder(sce,dbr=rate,clusters=FALSE,
BPPARAM=SerialParam(RNGseed=seed))
ans <- data.frame(cell=colnames(sce),capture=x$capture_id,
score=sce$scDblFinder.score,class=sce$scDblFinder.class)
stopifnot(nrow(ans)==ncol(z),all(is.finite(ans$score)),
all(ans$class %in% c("singlet","doublet")))
write.csv(ans,file.path(a[2],"predictions.csv"),row.names=FALSE)
saveRDS(sce,file.path(a[2],"sce-scDblFinder.rds"))
saveRDS(x,file.path(a[2],"plan-row.rds"))
writeLines(capture.output(sessionInfo()),file.path(a[2],"session.txt"))
固定随机机制后测一次完整运行
官方说明强调多捕获处理的随机性:仅set.seed不一定足够,BiocParallel参数也需记录RNGseed。这里使用SerialParam建立基线,clusters=FALSE选择随机模拟路线;若改成聚类路线,需要另行检查聚类适用性,不能视为完全等价的加速开关。
/usr/bin/time -v -o capture1.time.txt Rscript doublets.R 1 results/capture1-attempt1 > capture1.log 2>&1
把代码存为doublets.R后运行。逐项核对预测表行数、细胞顺序、分数是否有限,以及各群体doublet比例;保留标签并结合质量、标记和实验信息判断。程序结束并不能证明所有同型双细胞都已检出,哈希或基因型证据也不应被标签直接覆盖。
报错与资源该怎样处理
size factor相关错误先查零计数细胞及过度过滤,不先增大内存。分数或标签异常先查真实捕获边界、输入是否为原始计数、预期率及群体组成。人工双细胞数量、特征选择和聚类方式会改变推断,应有方法依据;任意拆细胞块也不能保证得到原捕获的同一结果。
每次记录细胞数、非零元素、软件版本、峰值RAM和完整耗时。单捕获通过后,再让两个独立捕获并发,观察总内存与工作盘。samples参数用于方法上的捕获组织,不代表整个合并对象变成磁盘流式计算;若合并对象本身很大,独立文件入口更便于控制同时驻留的任务数。
保存批量任务的对应关系
每个目录同时保留捕获清单原行、输入校验值、软件版本和输出文件名。若需要一个总预测表,按capture与cell两列建立联合键,确认没有重复后再合并;不能仅按不同文件的行号横向拼接。不同捕获可能使用相同的条形码序列,这并不表示它们是同一个细胞。
出现某个群体预测比例特别高时,先检查高UMI、异常混合标记和真实细胞状态,再结合实验预期解释,不能仅以达到目标比例作为验收。保存的SCE保留原始细胞及预测字段,后续过滤应另外生成对象并记录规则,避免覆盖后失去追溯依据。
如果最大捕获暂时跑不完,可先选择有代表性的完整独立捕获验证环境和流程。它不能替代最大捕获的容量验证,尤其人工双细胞和邻居图的规模会随输入变化。资源试验中保持同一方法设置,再记录完整任务峰值。
需要额外算力时
适用前提:捕获批次与输入已核对,大批样本运行超出现有处理能力。如需额外资源,可评估按任务测算的CPU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。
