findscripter 何时使用
当你要正确解读与分析 DepMap CRISPR 基因效应（Chronos）数据，尤其是把表达量与「必需性 / 依赖性」做相关分析时使用本条。典型场景：
- 判断某基因在某细胞系是否为必需基因（敲除后活性下降）。
- 把表达量（或其他组学）与「必需性」逐基因做 Spearman 相关，找强相关基因。
- 在细胞系面板上按必需性给基因排序、找选择性必需基因。
不该用的边界：
- 问题问的是原始 gene effect（非「必需性 / 依赖性」）—— 直接用原始分数，不要取负。
- 通路 / 富集解读 —— 交
gene-set-enrichment-analysis。 - 变异致病性、群体频率、靶点-疾病关联 —— 交
clinvar-database/gnomad-population-database/opentargets-database。 - 通用 NaN-safe 相关与统计建议 —— 见
guided-statistical-analysis。
步骤 / 指令
DepMap 分析最高频、最致命的两个错误：(1) 算「必需性」相关时忘记给 CRISPR 分数取负；(2) 用整表捷径（corrwith / rank().corrwith()）算相关，对逐列 NaN 处理不一致。按下列决策流执行：
- 判断符号约定：问题出现「必需性 / essentiality / 依赖性 / dependency」→ 必须对 CRISPR 分数取负（原始约定：负分=必需）；问的是原始 gene effect → 不取负。
- 加载数据：
CRISPRGeneEffect.csv（行=细胞系ACH-XXXXXX，列=基因名 (ENTREZ_ID)如A1BG (1)，值含 NaN）；表达量同格式OmicsExpressionProteinCodingGenesTPMLogp1BatchCorrected.csv。 - 对齐：先求行（细胞系）、列（基因）交集再取子集，避免错位静默出错。
- 报告 NaN 摘要：打印各表 NaN 总数、共同细胞系数、共同基因数，作为审计与排错线索。
- 必要时取负：
essentiality = -crispr_aligned（取负后正值=更必需）。 - 逐基因 Spearman + 配对去 NaN：对每个基因单独
scipy.stats.spearmanr，掩码mask = ~(np.isnan(x) | np.isnan(y))；有效对< 10则跳过（保守可设 20+）。禁用DataFrame.corrwith和rank().corrwith()。 - 取阈值出结论 + 显式声明符号约定：报告
>= 0.6/<= -0.6命中数，并写明「CRISPR 分数已取负，正相关=高表达对应更必需」。
关键陷阱：若你对原始分数相关，得到 3 个基因
<= -0.6、0 个>= 0.6，那么「与必需性强正相关」的正确答案是 3 而非 0 —— 原始负相关就是必需性正相关。
示例
import pandas as pd, numpy as np
from scipy.stats import spearmanr
crispr = pd.read_csv('CRISPRGeneEffect.csv', index_col=0)
expr = pd.read_csv('OmicsExpressionProteinCodingGenesTPMLogp1BatchCorrected.csv', index_col=0)
def per_gene_spearman(expr, crispr, negate=True, min_pairs=10):
# 对齐：先交集再取子集（否则错位静默出错）
lines = expr.index.intersection(crispr.index)
genes = expr.columns.intersection(crispr.columns)
expr, crispr = expr.loc[lines, genes], crispr.loc[lines, genes]
if negate:
crispr = -crispr # DepMap：负=必需；取负后正=必需
# NaN 摘要（分析前打印，便于排错）
print(f"共同细胞系 {len(lines)} | 共同基因 {len(genes)} | "
f"expr NaN {expr.isna().sum().sum()} | crispr NaN {crispr.isna().sum().sum()}")
out = {}
for g in genes:
x, y = expr[g].values, crispr[g].values
mask = ~(np.isnan(x) | np.isnan(y)) # 配对去 NaN，而非整表 dropna
if mask.sum() < min_pairs: # 有效对太少则跳过
continue
out[g], _ = spearmanr(x[mask], y[mask])
return pd.Series(out).sort_values(ascending=False)
corr = per_gene_spearman(expr, crispr, negate=True)
thr = 0.6
print(f">= {thr}: {(corr >= thr).sum()} 个 | <= -{thr}: {(corr <= -thr).sum()} 个")
print("注：CRISPR 分数已取负，正相关=高表达对应更必需。")
反模式（出现即替换为上面的逐基因循环）：
expr.rank().corrwith(crispr.rank()) # 错：整表 NaN 处理不可靠
expr.corrwith(crispr, method='spearman') # 错：同上
注意事项
- 取负只在「必需性」语境：原始约定负分=必需，反直觉；忘取负会让每个相关系数符号反转、结论全错。加注释
# 负=必需。 - 配对去 NaN，禁整表 dropna：各基因缺失模式不同，全表
dropna()会丢掉所有「任一列含 NaN」的细胞系，样本量骤降。 - 最小有效对阈值：
< 10对的相关不稳定，按需调到 20+。 - 必须先对齐：两表细胞系/基因集可能不同，不取交集会错配行或抛索引错。
- 列名格式：DepMap 列是
基因名 (ENTREZ_ID)，拿纯符号（TP53而非TP53 (7157)）去 intersection 会得空集；先df.columns[:5]看格式，必要时df.columns.str.extract(r'^(.+?)\s*\(')[0]解析。 - 结果显式声明符号约定：报告必带一句「CRISPR 分数已取负，正相关表示高表达对应更必需」，避免下游误读。
- 数据源与算法：DepMap Portal（depmap.org/portal）；Chronos 见 Dempster et al. 2019（doi:10.1038/s41467-019-09612-6）。
互见
- related：
pydeseq2-differential-expression、guided-statistical-analysis、opentargets-database、scientific-database-lookup - combines_with：
gene-set-enrichment-analysis—— 把必需性强相关基因列表交富集，定位通路；guided-statistical-analysis—— NaN-safe 相关与多重检验校正的通用方法；pydeseq2-differential-expression—— 表达量上游来源
采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0），适配重写为中文。