PDAC单细胞顶刊复现管线
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_30836134/pdac-scrna-pipeline。
技能介绍
要解决什么问题
胰腺癌(PDAC)公开图谱往往把 scRNA 与 snRNA 混在同一份计数矩阵里,细胞规模动辄二十万级。若从 matrix.mtx.gz 一路做到可发表的亚群注释,还要在批次整合、检查点续算和下游分析拆模块之间保持一致,单靠零散脚本很容易在 Seurat 5 分层、bbknnR 版本或 Windows 内存策略上翻车。
技能如何工作
本技能按顶刊(Chen et al., 2025, Cancer Cell)约定组织 全流程:
- 预检(preflight):校验四件套输入、基因/细胞/nnzero 与 GEO 说明一致,并输出
input_manifest.csv与 SHA256 清单 - 加载与盲化合并 → 标准化 / HVG / 缩放 / PCA
- 批次整合:明确使用 BBKNN(非 Harmony),并对稀疏批次做最小批次子聚类与标签冻结(
blind_freeze_sha256.csv) - 检查点:
objects/下 RDS 检查点 +logs/,便于大对象中断后续算
下游如 Milo、TCR-Startrac、inferCNV、SCENIC 等挂在独立 skill 表,主 pipeline 负责到亚群注释冻结为止。
边界与注意点
merge后须JoinLayers(),否则FindAllMarkers易报错- bbknnR 必须为 1.1.0,否则结果不可比
- 下划线基因名需手工
Assay构建,避免静默替换 - Windows 大内存场景建议
future::plan("sequential")并放开future.globals.maxSize
使用场景
- 从 GEO 下载 PDAC sc+sn 混合图谱后,需要按论文流程把 raw matrix 校验并跑到可冻结的亚群注释
- 多批次、二十万级细胞对象中途中断,需要用 RDS 检查点从 preflight 或 BBKNN 整合步续算
- 想用 BBKNN 而非 Harmony 复现 Cancer Cell 整合结果,并单独挂 Milo、inferCNV 等下游 skill
- 合并 sc/sn 矩阵后 FindAllMarkers 报错,需对照技能里的 Seurat 5 JoinLayers 与 bbknnR 版本约定排查
适合人员
- 肿瘤免疫/胰腺方向的生物信息分析师,要复现公开 PDAC 单细胞大图谱主流程
- 实验室博士生,手握 GEO 四件套,需要按顶刊步骤做盲化合并与批次整合
- 平台生信工程师,负责把 PDAC pipeline 拆成检查点 + 下游 tool skill 的可维护流水线
- 在 Windows 工作站跑大内存 Seurat5 的分析员,需要规避 future fork 与 Assay 基因名替换问题