在腫瘤相關單細胞轉(zhuǎn)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(shù)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(zhuǎn)錄組數(shù)據(jù)腫瘤細胞預測和空間轉(zhuǎn)錄組數(shù)據(jù)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(shù)據(jù)集做為訓練數(shù)據(jù)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(jié)構(gòu)，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(shù)），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(shù)：用于預測腫瘤細胞或者區(qū)域的預訓練好的模型數(shù)據(jù)，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(shù)據(jù) sc_pretrain_article.pkl 和空間轉(zhuǎn)錄組模型數(shù)據(jù) st_pretrain_article.pkl。

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

--out 參數(shù)：結(jié)果輸出。

輸出結(jié)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(jié)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(jié)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(zhì)是機器學習中的深度神經(jīng)網(wǎng)絡解決二元分類問題。

 

如何訓練自己的模型數(shù)據(jù)？

Cancer-Finder提供的預訓練模型數(shù)據(jù)（單細胞和空間轉(zhuǎn)錄組模型數(shù)據(jù)）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(shù)據(jù)結(jié)構(gòu)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(shù)據(jù)（GSE155446）比較預測結(jié)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(jié)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(shù)據(jù)集提供的注釋結(jié)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(jié)果與預測結(jié)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(shù)據(jù)接近4w的細胞數(shù)量，在幾分鐘內(nèi)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(shù)據(jù)集中Cancer-Finder的預測能力是極好的，對于未知領域的數(shù)據(jù)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(jié)果。

對于空間轉(zhuǎn)錄的數(shù)據(jù)，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).