在腫瘤相關單細胞轉錄組測序中，腫瘤細胞的甄別一直是一個讓人頭疼的問題。CNV可以用于區(qū)分腫瘤細胞和正常細胞，常用的inferCNV方法往往需要一個清晰的非腫瘤細胞注釋做為參考去佐證腫瘤細胞，CopyKAT對于細胞數量多的分析項目是極不友好的，時間成本消耗也是極高的。下面介紹一種新的腫瘤細胞預測的方法：Cancer-Finder，其可以應用于腫瘤細胞的鑒定和空間惡性區(qū)域的識別。

Cancer-Finder是一種基于深度學習算法，用于單細胞轉錄組數據腫瘤細胞預測和空間轉錄組數據惡性區(qū)域的識別的軟件，其平均預測精準度可以高達95.16%。Cancer-Finder收集13種不同腫瘤相關組織的單細胞數據集做為訓練數據集對腫瘤細胞進行預測。

與當前一些腫瘤細胞預測手段，諸如：CaSee、CopyKAT、SCEVAN、ikarus等比較，Cancer-Finder分析時間花費的更少，效果更佳。Cancer-Finder使用Python語言編寫，也有著對計算機資源消耗相對較少的優(yōu)點。

如何安裝？

基于Linux的軟件安裝：

1. 首先，下載Cancer-Finder到本地，并解壓，進入該目錄，你可看到如下文件結構，infer.py為預測腫瘤細胞程序。

2. 然后，使用Conda安裝 Cancer-Finder。

a) 首先創(chuàng)建一個名字叫csf的虛擬環(huán)境并安裝3.9.16版本的python軟件：

conda create -n scf python==3.9.16

b) 然后激活scf虛擬環(huán)境：conda activate scf

c) 最后使用pip安裝Cancer-Finder所需模塊：

pip install -r requirements.txt -i 

pip install matplotlib==3.8 -i 

d) 注意事項：這里推薦使用Python的清華鏡像（-i 參數），安裝速度較快，matplotlib建議使用3.8版本。以上安裝步驟親測可用。

 

如何運行預測程序？

執(zhí)行下面一行代碼即可開啟分析。

python -u infer.py --ckp=../sc_pretrain_article.pkl --matrix=sample_data/sample_data_matrix.tsv --out=out.csv

--ckp參數：用于預測腫瘤細胞或者區(qū)域的預訓練好的模型數據，存儲為.pkl格式文件。Cancer-Finder提供了預訓練完成的單細胞模型數據 sc_pretrain_article.pkl 和空間轉錄組模型數據 st_pretrain_article.pkl。

--matrix參數：待注釋的表達矩陣文件，支持tsv、csv、h5ad格式的文件。

--out 參數：結果輸出。

輸出結果一共兩列，如下圖，第一列為細胞信息，第二列為細胞對應預測結果信息，1.0代表被預測為腫瘤細胞，0.0代表被預測為非腫瘤細胞。從結果上看這里的目標是只需區(qū)分腫瘤細胞和非腫瘤細胞即可，其本質是機器學習中的深度神經網絡解決二元分類問題。

 

如何訓練自己的模型數據？

Cancer-Finder提供的預訓練模型數據（單細胞和空間轉錄組模型數據）可能并不適用于某些領域的研究，所以提供了訓練私有模型的程序 train.py 。

python -u train.py  \

    --train_dir=\     

    --val_dir=\         

    --batch_size=\   

    --lr=\        

    --max_epoch=\    

    --output=\       

    --gpu_id=                

數據結構詳細請參考下載到本地的Cancer-Finder軟件包 data目錄。

 

實際效果如何？

使用GEO數據（GSE155446）比較預測結果。

python -u infer.py --ckp=sc_pretrain_article.pkl --matrix=GSE155446_human_raw_counts.csv --out=GSE155446_human.rs.tsv

上圖中Pred標簽UMAP圖為使用Cancer-Finder對腫瘤細胞的預測結果的展示，1代表腫瘤細胞，0代表非腫瘤細胞；CellType標簽的UMAP圖為數據集提供的注釋結果展示。從UMAP圖上可以清晰看出Cancer-Finder預測的腫瘤細胞與注釋高度一致。接下來看下注釋結果與預測結果的比例情況，如下圖。

從上圖可以看出Cancer-Finder識別出了極高比例的腫瘤細胞，從這個案例可以看出Cancer-Finder的效果是很好的，此數據接近4w的細胞數量，在幾分鐘內可以完成腫瘤細胞的識別，有著相當不俗的表現(xiàn)。在已知背景數據集中Cancer-Finder的預測能力是極好的，對于未知領域的數據可以綜合不同的算法交叉比較，大概率應該對個性化研究也會有著不錯的結果。

對于空間轉錄的數據，大家可以小試牛刀。

 

參考文獻：

Zhong, Z., Hou, J., Yao, Z. et al. Domain generalization enables general cancer cell annotation in single-cell and spatial transcriptomics. Nat Commun 15, 1929 (2024).