BioF3 FigCode · SCI 绘图代码集

Python 轨迹图（Scanpy PAGA）

导出日期：2026年6月27日

分类：降维可视化｜ 依赖包：scanpy、matplotlib

解决的生物学问题

我的 cluster 之间是否存在分化连接？哪些 cluster 是过渡态？

应用场景

造血/神经发育轨迹
免疫细胞分化连接
替代 monocle3 的 Python 流程
scVelo 预测前的 PAGA 草图

输入数据格式

AnnData 对象（已跑 sc.tl.leiden）

关键参数

groups = "leiden"（分组列）
threshold（连接强度阈值，0-1）
init_pos = "paga" 用 PAGA 初始化 UMAP
plot = True 自动出图

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/py-paga.R
curl -O https://<your-site>/figcode/data/py-paga.csv

3. 安装依赖

# CRAN 包
install.packages(c("scanpy", "matplotlib"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

import scanpy as sc
import matplotlib.pyplot as plt

# --- Demo data ---
adata = sc.datasets.paul15()
sc.pp.recipe_zheng17(adata)
sc.tl.pca(adata, n_comps=20)
sc.pp.neighbors(adata, n_neighbors=15)
sc.tl.leiden(adata, resolution=0.6)

# --- PAGA ---
sc.tl.paga(adata, groups="leiden")

fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# Panel 1: PAGA graph
sc.pl.paga(
    adata, threshold=0.05,
    color="leiden", title="PAGA graph",
    fontsize=10, ax=axes[0], show=False
)

# Panel 2: PAGA-initialized UMAP
sc.tl.umap(adata, init_pos="paga")
sc.pl.umap(
    adata, color="leiden",
    title="UMAP (PAGA-initialized)",
    legend_loc="on data", legend_fontsize=8,
    ax=axes[1], show=False
)

plt.suptitle("PAGA Trajectory — Paul15 hematopoiesis", y=1.02)
plt.tight_layout()
plt.savefig("plot_001.png", dpi=150, bbox_inches="tight")
print(f"Clusters: {adata.obs['leiden'].nunique()}")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

输入格式：AnnData 对象（已跑 sc.tl.leiden）
使用 read.csv() / readRDS() 读取本地文件