### 使用 Harmony 工具去除单细胞 RNA 测序数据中的批次效应 Harmony 是一种专门为单细胞数据分析设计的批量校正算法，能够有效减少不同实验条件下的技术变异，同时保留生物信号[^1]。以下是实现该功能的具体方法： #### 安装依赖库 为了使用 Harmony 进行批处理校正，需先安装 `scanpy` 和其扩展包 `harmonypy`。可以通过以下命令完成安装： ```bash pip install scanpy harmonypy ``` #### 数据预处理 在应用 Harmony 去除批次效应前，通常需要对原始表达矩阵进行标准化和归一化操作。这一步骤可以利用 `scanpy` 提供的功能来完成。 ```python import scanpy as sc # 加载 AnnData 对象 (假设已准备好) adata = sc.read_h5ad('your_data.h5ad') # 预处理步骤 sc.pp.normalize_per_cell(adata) # 每个细胞总UMI计数归一化到相同值 sc.pp.log1p(adata) # 取自然对数变换 sc.pp.highly_variable_genes(adata, min_mean=0.0125, max_mean=3, min_disp=0.5) # 筛选高变基因 adata.raw = adata # 存储未缩放的数据 sc.pp.scale(adata, max_value=10) # 缩放到单位方差并截断极端值 ``` 上述代码实现了基本的预处理流程，包括每细胞 UMI 计数归一化、取对数转换以及筛选高变基因等步骤[^3]。 #### 应用 Harmony 校正批次效应 接下来调用 `harmonypy` 的接口执行 Harmony 校正过程。具体如下所示： ```python from scanpy.external.pp import harmony_integrate # 调用 Harmony 方法集成数据 adata.obsm['X_pca'] = sc.tl.pca(adata.X).components_.T[:50] # PCA降维至50维度 adata.obs['batch_key'] = 'Batch' # 设置批次键名 harmony_integrate(adata, key='batch_key') # 执行批次校正 ``` 在此过程中，首先计算主成分分析（PCA）结果作为输入特征；随后指定批次信息所在的列名称，并将其传递给函数以完成整合工作。 经过以上步骤后，`AnnData`对象中会新增两个字段：一个是存储经Harmony调整后的低维表示形式的新嵌入空间——即`obsm["X_harmony"]`;另一个则是记录原生PC坐标系下未经修改的位置点集合—也就是原来的`obsm["X_pca"]`. 最后可通过可视化手段评估效果: ```python sc.pl.umap(adata,basis="X_harmony",color=["celltype","batch"]) ``` 此图展示了基于和谐矫正后的UMAP投影情况，其中按颜色区分不同的细胞类型(cell type)或者所属批次(batch)，从而直观判断是否存在明显的分离现象. 问题