Aivizor
Aivizor
EstilosCreacionesComunidad
Atrás
  1. Comunidad
  2. /
  3. Other AI

Tutorial de Scanpy detalla un flujo completo para analizar scRNA‑seq en PBMC‑3k

News
D
Diego Santillán

5/8/2026, 10:52:15 PM

Tutorial de Scanpy detalla un flujo completo para analizar scRNA‑seq en PBMC‑3k

Un tutorial publicado presenta un flujo reproducible con Scanpy para analizar datos de single‑cell RNA‑seq del conjunto de referencia PBMC‑3k, cubriendo desde control de calidad hasta descubrimiento de trayectorias. Esto importa porque ofrece a investigadores un procedimiento completo y reutilizable que facilita replicar análisis y aplicar el mismo pipeline a otros conjuntos de PBMC o estudios afines.

La guía empieza cargando el dataset y preparando el objeto AnnData: hace únicas las denominaciones de genes, inspecciona la estructura del objeto y calcula métricas de calidad como número de genes detectados por célula, total de cuentas y porcentaje mitocondrial (con comandos ejemplificados como sc.pp.calculate_qc_metrics y sc.datasets.pbmc3k()). Incluye las instrucciones de instalación (pip install -q scanpy leidenalg python — igraph scrublet) y las importaciones habituales (scanpy, NumPy, Pandas, Matplotlib).

El tutorial muestra además filtrado de células y genes (min_genes=200, min_cells=3), detección de dobletes con Scrublet y la preservación de counts crudos antes de normalizar y transformar a escala logarítmica; también explica la selección de genes altamente variables y el scoring de fases del ciclo celular.

En los pasos de análisis exploratorio se aplican reducciones de dimensión (PCA, UMAP y t‑SNE) y clustering con el algoritmo Leiden para agrupar células. A partir de esos clústeres se identifican genes marcador y se realiza la anotación de poblaciones usando marcadores canónicos de PBMC, facilitando la interpretación biológica de los grupos detectados.

Para estudiar la estructura y dinámicas celulares la guía explora métodos de conectividad y trayectorias como PAGA y diffusion pseudotime. Además, calcula una puntuación personalizada de respuesta a interferón y guarda el objeto AnnData final, lo que permite compartir resultados y continuar el análisis en otros estudios. En conjunto, el tutorial ofrece un flujo reproducible y práctico con herramientas comunes en la comunidad de scRNA‑seq.

Fuentes

  1. MarkTechPost AI · 5/8/2026
0
0
0

Respuestas (0)

Aún no hay respuestas en este tema.

9:41