36. 双细胞检测#
关键要点
对于 ADT 数据中的异型双细胞（heterotypic doublet），可以利用互斥的细胞类型标记（如 CD3、CD19、CD14）来识别并去除：同时表达两种标记的细胞，很可能就是双细胞。
环境设置
安装 conda:
在创建环境之前，请确保 conda 已安装在您的系统中。
保存 yml 内容:
将 yml 选项卡中的内容复制到名为
environment.yml的文件中。
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>
替换
<environment_name>，名称就是在environment.yml文件中指定的那个。在 yml 文件里，它看起来像这样：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
name: surface-protein
channels:
- conda-forge
dependencies:
- python=3.13
- scanpy=1.12
- muon=0.1.7
- python-igraph=1.0.0
- ipykernel=7.2.0
- pip==26.0.1
- pip:
- lamindb==2.3.1
- harmonypy==0.0.9
获取数据和笔记本
本书使用 lamindb，并通过 theislab/sc-best-practices 实例 来存储、共享和加载数据集与笔记本。感谢 Lamin Labs 提供免费托管服务。
安装 lamindb
安装 lamindb Python 软件包：
pip install lamindb
可选择创建 lamin 账户
按照以下 说明 注册并登录。
验证你的设置
运行
lamin connect命令：
import lamindb as ln ln.Artifact.connect("theislab/sc-best-practices").df()
你现在应该看到最多 100 个存储的数据集。
访问数据集（Artifact）
在 Artifacts 页面 搜索该数据集。
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()
该对象现在已可在内存中访问，并可用于分析。请调整
ln.Artifact.connect("theislab/sc-best-practices").get("SOMEIDXXXX")后缀以获取相应的版本。访问笔记本（Transform）
在 Transforms 页面 搜索该笔记本。
加载笔记本：
lamin load <notebook url>
这会把笔记本下载到当前工作目录。与
Artifacts类似，你可以调整后缀 ID 来获取旧版本。
36.1. 动机#
在 质量控制 一章中，我们仅根据细胞过高的计数去除了可能是双细胞的细胞，还基于按样本的分布对细胞做了过滤。现在，我们将聚焦于异型双细胞，也就是包含不同细胞类型的双细胞。借助 ADT 数据，我们可以用细胞类型特异的表面标记来检测它们 [Sun et al., 2021]。
36.2. 环境设置#
import warnings
import muon as mu
import scanpy as sc
warnings.filterwarnings("ignore")
mu.set_options(pull_on_update=False)
sc.settings.verbosity = 0
sc.set_figure_params(
dpi=80,
facecolor="white",
frameon=False,
)
import lamindb as ln
ln.track()
→ loaded Transform('xo1WtNUmrJCK0003', key='doublet_detection.ipynb'), re-started Run('hDXP6BIj1dnyLVwy') at 2026-04-10 17:27:34 UTC
→ notebook imports: lamindb-core==2.3.1 muon==0.1.7 scanpy==1.12
• recommendation: to identify the notebook across renames, pass the uid: ln.track("xo1WtNUmrJCK")
36.3. 加载数据#
我们载入上一章 归一化 末尾保存的 MuData 对象：
af = ln.Artifact.connect("theislab/sc-best-practices").get(
key="surface-protein/cite_normalization.h5mu", is_latest=True
)
mdata = af.load()
mdata
MuData object with n_obs × n_vars = 118563 × 36741
var: 'gene_ids', 'feature_types'
2 modalities
rna: 118563 x 36601
obs: 'donor', 'batch'
var: 'gene_ids', 'feature_types'
prot: 118563 x 140
obs: 'donor', 'batch', 'n_genes_by_counts', 'log1p_n_genes_by_counts', 'total_counts', 'log1p_total_counts', 'n_counts', 'outliers'
var: 'gene_ids', 'feature_types', 'n_cells_by_counts', 'mean_counts', 'log1p_mean_counts', 'pct_dropout_by_counts', 'total_counts', 'log1p_total_counts'
layers: 'counts'36.4. 用细胞类型标记检测到的双细胞#
现在我们来看那些互斥的细胞类型标记。例如 CD3（T 细胞标记）与 CD19（B 细胞标记），可用于识别 T/B 细胞双细胞。由于在生理条件下并不存在同时表达 B 细胞和 T 细胞特异标记的细胞，因此这些液滴包含的是 T/B 细胞双细胞。
对于同时表达 T 细胞（CD3）和单核细胞（CD14）标记的细胞，情况也是如此。
sc.pl.scatter(mdata["prot"], x="CD3", y="CD19-1", color="log1p_total_counts")
在这张图中，左下方可以看到大量既不表达 T 细胞、也不表达 B 细胞标记的细胞；左上和右下是只表达其中一种标记的细胞；右上则是一些同时表达两种标记的细胞。
表达两个标记的细胞都是双细胞，可以移除。
我们还可以利用 CD3 和 CD14 来检测 T 细胞/单核细胞双细胞。
sc.pl.scatter(mdata["prot"], x="CD3", y="CD14-1", color="log1p_total_counts")
看起来，在两种标记上表达水平都高于 2.5 的细胞就是双细胞。我们以“在两种标记上表达水平均高于 2.5”作为标记双细胞的标准。
genes2filter = ["CD3", "CD19-1", "CD14-1"]
temp = mdata["prot"][:, genes2filter].X.T.tolist()
mdata["prot"].obs["doublets_markers"] = [
(temp[0][i] > 2.5 and temp[1][i] > 2.5) or (temp[0][i] > 2.5 and temp[2][i] > 2.5)
for i in range(mdata.shape[0])
]
mdata["prot"].obs["doublets_markers"] = (
mdata["prot"].obs["doublets_markers"].astype(str)
)
双细胞通常计数更高，因为它来自不止一个细胞、计数相应增加。在用我们的标记被分类为双细胞的那些细胞中，可以看到这种效应：
sc.pl.violin(mdata["prot"], keys="log1p_total_counts", groupby="doublets_markers")
我们剔除了同时表达两种标记的细胞。
mdata = mdata[mdata["prot"].obs["doublets_markers"] == "False"].copy()
mdata
MuData object with n_obs × n_vars = 117951 × 36741
var: 'gene_ids', 'feature_types'
2 modalities
rna: 117951 x 36601
obs: 'donor', 'batch'
var: 'gene_ids', 'feature_types'
prot: 117951 x 140
obs: 'donor', 'batch', 'n_genes_by_counts', 'log1p_n_genes_by_counts', 'total_counts', 'log1p_total_counts', 'n_counts', 'outliers', 'doublets_markers'
var: 'gene_ids', 'feature_types', 'n_cells_by_counts', 'mean_counts', 'log1p_mean_counts', 'pct_dropout_by_counts', 'total_counts', 'log1p_total_counts'
uns: 'doublets_markers_colors'
layers: 'counts'我们从数据中删除了 612 个双细胞。
在本章中，我们利用 ADT 数据，通过去除高表达两种互斥标记的细胞来去除双细胞。另一种去除双细胞的方法，是使用基于 scRNA-seq 数据来检测双细胞的方法。关于那些方法，请参阅 双细胞检测（位于 scRNA-seq 预处理与可视化一章）。
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()
ln.finish()
36.5. 参考文献#
Bo Sun, Emmanuel Bugarin-Estrada, Lauren Elizabeth Overend, Catherine Elizabeth Walker, Felicia Anna Tucci, and Rachael Jennifer Mary Bashford-Rogers. Double-jeopardy: scrna-seq doublet/multiplet detection using multi-omic profiling. Cell Reports Methods, 1(1):100008, May 2021. doi:10.1016/j.crmeth.2021.100008.
36.6. 贡献者#
我们衷心感谢以下人员的贡献：
36.6.2. 审阅者#
Lukas Heumos
Anna Schaar