scRNA-seq 虚拟敲除（scTenifoldKnk）

一句话：不做实验，先在电脑里"敲掉"一个基因——基于单细胞调控网络的 in-silico 敲除，预测下游哪些基因的调控会被扰动。

获取本技能 · Get this skill

方式 A —— 一键引导 prompt（推荐）。复制下面这段，粘贴到你的 AI agent IDE：

请帮我安装 Claw2Bio 技能库中的 "scRNA-seq-virtual-ko" 技能：
1. 从 GitHub 仓库 https://github.com/nihuanhe/claw2bio 只拉取 bioinformatics/sc_RNA_seq/scRNA-seq-virtual-ko
   这一个文件夹（用 sparse checkout，不要克隆整库）。
2. 阅读其中的 SKILL.md 并注册该技能。
3. 运行 examples/ 里的示例验证环境，把输出的图给我看。

方式 B —— 独立 zip 包（约 0.5 MB，本站下载）：https://claw2bio.site/downloads/scRNA-seq-virtual-ko.zip

方式 C —— 全量示例数据：已包含在方式 B 包内（同一个压缩包）。

它能做什么

前提是先跑完 scRNA-seq 常规流程 拿到 annotated_seurat.rds。指定一个目标基因（--gene TP53），scTenifoldKnk（PMID: 35510185）会从 RNA counts 层构建基因调控网络，在计算机中虚拟敲除该基因，输出差异调控表和两张图。真实示例（GSE234527，10,859 个细胞）敲除 ACTA2：2000 个高变基因 × 5 个子采样网络 × 每网 500 细胞，约 2 小时得到 54 个显著差异调控基因（p_adj < 0.05），top hits 为 MYLK / TPM1 / TPM2 / TAGLN / CNN1 / DES 等平滑肌程序基因。

敲除 ACTA2 后 |FC| 最大的 top-20 差异调控基因（真实示例）。

Z 值 vs -log10(p_adj) 散点图，显著基因自动标出名称。

可以先用 --subset-labels "Epithelial cells" 圈定目标细胞类型，只在这些细胞上建网络，结果更有针对性。

注意：结果是网络扰动的计算预测，需要实验验证。

快速上手（30 秒）

cd bioinformatics/sc_RNA_seq/scRNA-seq-virtual-ko
python scripts/run_virtual_ko.py <annotated_seurat.rds> <output_dir> --gene TP53

圈定细胞类型再敲：

python scripts/run_virtual_ko.py annotated_seurat.rds output --gene TP53 \
  --subset-labels "Epithelial cells"

输入格式

• 常规流程输出的 annotated_seurat.rds（使用 RNA counts 层；按标签子集化需要 cell_type_final）。
• 目标基因名区分大小写，用目标物种的写法（人 TP53、鼠 Trp53）。
• 想直接复现本页的真实案例图？ 输入 rds 的 slim 版（39 MB，GSE234527 全量 10,859 细胞，已实测可跑通本技能）可从 COS 下载：https://my-website-1358159656.cos.ap-guangzhou.myqcloud.com/scRNA-seq/data/annotated_seurat.slim.rds，下载后跑 --gene ACTA2 --nc-nnet 5 即可得到上图。

输出文件

文件	内容
<GENE>_diffRegulation.csv	完整结果表（Gene, distance, Z, FC, p_value, p_adj）
<GENE>_barplot_top20.png/pdf	top-20 |FC| 基因条形图
<GENE>_zscore_scatter.png/pdf	Z 值散点图，显著基因带标签
virtual_ko_summary.json / REPORT.md	摘要 + 报告

参数

参数	默认值	说明
--gene	（必填）	要敲除的基因名（区分大小写）
--subset-labels	—	先子集化的 cell_type_final 标签，逗号分隔
--nfeatures	2000	建网络用的高变基因数
--all-genes	关	用全部基因（慢、吃内存）
--nc-nnet	10	平均的子采样网络数
--cores	自动检测-1	并行核数

常见问题

• 跑得很慢 → 运行时间与 细胞数 × 基因数 × nc_nnet 成正比；smoke 示例几分钟。16 GB / 12 核 Windows 上实测（GSE234527 真实对象，10,859 个细胞，敲除 ACTA2）： 2000 基因 × 3 网络 × 500 细胞 = 90 分钟（58 个显著基因）；2000 × 5 × 500 = 约 2 小时（54 个显著基因，两者重合 41 个）。 建议 --nc-nnet 不超过 5：包默认的 10 会在 manifoldAlignment 内部因数值退化报错（incorrect number of dimensions），且 2 小时的网络构建全部作废。降规模的主要旋钮就是 --nc-nnet。
• 能不能中途断了再续？ → 不能。scTenifoldKnk 是一次不可中断的调用，本技能没有 --resume （与常规流程、拟时序分析不同）：跑挂了或机器休眠，前面的计算全部作废。长跑前先确认机器不会休眠。
• 目标基因不在高变基因里 → 会被强制纳入网络；若该基因在 <5% 的细胞中表达，会打印警告。
• 结果能直接写进论文吗 → 这是计算预测，应作为候选机制假设，配合实验验证。
• 为什么必须用技能自带脚本，不能让 AI 现写？scripts/ 里的是经过验证的路径：它们在示例数据上跑过，边界情况有文档记录。AI 现场生成的代码是 "结果悄悄出错"的最常见来源。遇到没覆盖的情况，先改命令行参数；不够就复制脚本到临时目录做最小改动 并说明改了什么；只有完全没有对应脚本时才允许新写，且新写后要回沉淀到 scripts/。

相关链接

• GitHub 源码与 SKILL.md
• 相关技能：scRNA-seq 常规流程 · 拟时序分析