Doublet 检测 - 单细胞最佳实践

步骤

yml

安装 conda：
- 在创建环境之前，请确保 conda 已安装在你的系统中。
保存 yml 内容：
- 将 yml 选项卡中的内容保存为文件 environment.yml。
创建环境：
- 打开终端或命令提示符。
- 运行以下命令：
```
conda env create -f environment.yml
```
激活环境：
- 创建好环境后，使用以下命令激活它：
```
conda activate <environment_name>
```
- 请将 <environment_name> 替换为 environment.yml 文件中指定的环境名称。该名称在 yml 文件中如下所示：
```
name: <environment_name>
```
验证安装：
- 通过运行以下命令，检查环境是否创建成功：
```
conda env list
```

surface_protein.yml

name: surface-protein
channels:
  - conda-forge
dependencies:
  - python=3.13
  - scanpy=1.12
  - muon=0.1.9
  - python-igraph=1.0.0
  - ipykernel=7.2.0
  - pip==26.0.1
  - pip:
      - lamindb==2.3.1
      - harmonypy==0.0.9
      - ipywidgets==8.1.8

本书使用 lamindb 存储、共享和加载数据集与笔记本，托管实例为 theislab/sc-best-practices。感谢提供免费托管的 Lamin Labs。

安装 lamindb
- 安装 lamindb Python 软件包：
```
pip install lamindb
```
可选择创建 Lamin 账户
- 按照说明注册并登录
验证你的设置
- 下面用 Python API 检查连接；命令行方式可使用 lamin connect：
```
import lamindb as ln

ln.Artifact.connect("theislab/sc-best-practices").df()
```
运行后应显示最多 100 条已保存的数据集记录。
访问数据集（Artifact）
- 在 Artifacts 页面搜索数据集
- 加载一个 Artifact 及其对应的对象：
```
import lamindb as ln
af = ln.Artifact.connect("theislab/sc-best-practices").get(key="key_of_dataset", is_latest=True)
obj = af.load()
```
加载后的对象可直接在内存中分析。如需指定数据版本，可调整 lamindb.Artifact.connect("theislab/sc-best-practices").get("SOMEIDXXXX") 中的 ID。
访问笔记本（Transform）
- 在 Transforms 页面搜索笔记本
- 加载笔记本：
```
lamin load <notebook url>
```
该命令将笔记本下载到当前工作目录。与 Artifacts 类似，可通过指定 ID 获取旧版本。

研究动机¶

在质量控制章节中，我们根据异常高的计数（Count）及样本内分布过滤了部分疑似低质量观测。本章进一步利用抗体衍生标签（Antibody-Derived Tags, ADTs）识别不同细胞类型共占液滴形成的异型双细胞（heterotypic Doublet）。其依据是正常情况下相互排斥的细胞类型标记同时出现 Sun et al., 2021。

环境设置¶

import warnings

import scanpy as sc

warnings.filterwarnings("ignore")
sc.settings.verbosity = 0
sc.set_figure_params(
    dpi=80,
    facecolor="white",
    frameon=False,
)

import lamindb as ln

ln.track()

→ connected lamindb: theislab/sc-best-practices
→ found notebook doublet_detection.ipynb, making new version -- anticipating changes
→ created Transform('xo1WtNUmrJCK0007', key='doublet_detection.ipynb'), re-started Run('33z2HhX1JxiWbGxS') at 2026-07-29 11:07:33 UTC
→ notebook imports: lamindb-core==2.3.1 muon==0.1.9 scanpy==1.12.3
• recommendation: to identify the notebook across renames, pass the uid: ln.track("xo1WtNUmrJCK")

加载数据¶

加载前一章保存的 MuData 对象，参见归一化（normalization）：

af = ln.Artifact.connect("theislab/sc-best-practices").get(
    key="surface-protein/cite_normalization.h5mu", is_latest=True
)
mdata = af.load()
mdata

根据细胞类型标记识别 Doublet¶

先比较通常互斥的表面标记，例如 T 细胞标记 CD3 与 B 细胞标记 CD19。两者同时显示较强信号时，可提示 T/B 细胞组成的双细胞（Doublet）。不过，背景结合、细胞间蛋白转移或异常生物学状态也可能产生非典型共表达，因此不能仅凭两个标记确证 Doublet。

同样，可比较 T 细胞标记 CD3 与单核细胞标记 CD14，寻找疑似 T 细胞–单核细胞 Doublet。

sc.pl.scatter(mdata["prot"], x="CD3", y="CD19-1", color="log1p_total_counts")

散点图左下方的观测在两个标记上信号都低；左上和右下主要为单一标记阳性，右上则为两个标记信号均较高的观测。

本例将右上方的双阳性观测作为疑似 Doublet，进一步设置阈值过滤。

接着绘制 CD3 与 CD14，检查另一组互斥标记。

sc.pl.scatter(mdata["prot"], x="CD3", y="CD14-1", color="log1p_total_counts")

根据本例图形，将 CD3 与 CD19-1 均大于 25，或 CD3 与 CD14-1 均大于 25 的观测标记为疑似 Doublet。这里的 25 是前一章背景去噪与缩放（denoised and scaled by background, dsb）处理后的数值阈值，不是原始 Count，也不是可直接迁移到其他数据或归一化方法的通用阈值。

genes2filter = ["CD3", "CD19-1", "CD14-1"]
temp = mdata["prot"][:, genes2filter].X.T.tolist()

mdata["prot"].obs["doublets_markers"] = [
    (temp[0][i] > 25 and temp[1][i] > 25) or (temp[0][i] > 25 and temp[2][i] > 25)
    for i in range(mdata.shape[0])
]
mdata["prot"].obs["doublets_markers"] = (
    mdata["prot"].obs["doublets_markers"].astype(str)
)

由于混合了多个细胞的信号，Doublet 常具有较高的原始总 Count。下面比较标记组与未标记组的 log1p 总 Count，作为辅助检查；分布差异本身不能证明每个标签都正确。

sc.pl.violin(mdata["prot"], keys="log1p_total_counts", groupby="doublets_markers")

去除满足上述双阳性规则的观测，并同步保留 MuData 中相应的细胞。

mdata = mdata[mdata["prot"].obs["doublets_markers"] == "False"].copy()
mdata

原教程报告按该规则去除了 608 个疑似 Doublet。

本章根据 ADT 中通常互斥的标记过滤异型 Doublet；这一方法难以识别同类型细胞组成的同型双细胞（homotypic doublet），也会受抗体面板限制。还可结合单细胞 RNA 测序（Single-Cell RNA Sequencing, scRNA-seq）方法，参见 Doublet 检测。

af_doublet_detection = ln.Artifact.from_mudata(
    mdata,
    key="surface-protein/cite_doublet_detection.h5mu",
    description="CITE-seq data after doublet detection",
)
af_doublet_detection.save()

→ returning artifact with same hash: Artifact(uid='I1sQCEySclEA4f2N0005', key='surface-protein/cite_doublet_detection.h5mu', description='CITE-seq data after doublet detection', suffix='.h5mu', kind='dataset', otype='MuData', size=1452761836, hash='FhXN0hS1nI7WfLBybIFE9g', n_files=None, n_observations=105907, branch_id=1, created_on_id=1, space_id=1, storage_id=1, run_id=112, schema_id=None, created_by_id=7, created_at=2026-07-29 11:07:15 UTC, is_locked=False, version_tag=None, is_latest=True); to track this artifact as an input, use: ln.Artifact.get()
... uploading tu0VvP9QqQazgAiZ0000.h5mu: 100.0%
• replacing the existing cache path /var/cache/user/marchena/.cache/lamindb/lamin-eu-central-1/VPwcjx3CDAa2/surface-protein/cite_doublet_detection.h5mu

Artifact(uid='I1sQCEySclEA4f2N0005', key='surface-protein/cite_doublet_detection.h5mu', description='CITE-seq data after doublet detection', suffix='.h5mu', kind='dataset', otype='MuData', size=1452761836, hash='FhXN0hS1nI7WfLBybIFE9g', n_files=None, n_observations=105907, branch_id=1, created_on_id=1, space_id=1, storage_id=1, run_id=112, schema_id=None, created_by_id=7, created_at=2026-07-29 11:07:15 UTC, is_locked=False, version_tag=None, is_latest=True)

ln.finish()

• please hit CTRL + s to save the notebook in your editor ... ✓
→ finished Run('33z2HhX1JxiWbGxS') after 27s at 2026-07-29 11:08:00 UTC
→ go to: https://lamin.ai/theislab/sc-best-practices/transform/xo1WtNUmrJCK0007
→ to update your notebook from the CLI, run: lamin save /groups/nils/members/javier/single-cell-best-practices/jupyter-book/surface_protein/doublet_detection.ipynb

贡献者¶

我们衷心感谢以下人员的贡献：

作者¶

Javier Marchena-Hurtado
Daniel Strobl
Ciro Ramírez-Suástegui

审阅者¶

Lukas Heumos
Anna Schaar

References¶

Sun, B., Bugarin-Estrada, E., Overend, L. E., Walker, C. E., Tucci, F. A., & Bashford-Rogers, R. J. M. (2021). Double-jeopardy: scRNA-seq doublet/multiplet detection using multi-omic profiling. Cell Reports Methods, 1(1), 100008. 10.1016/j.crmeth.2021.100008