findscripter 何时使用
当你需要对同一批细胞同时测得的两种及以上组学做联合分析时使用本条，典型场景：
- 10x Genomics Multiome：同一细胞核的 RNA + ATAC 配对数据
- CITE-seq：RNA + 表面蛋白（ADT）配对数据
- 通过 WNN 把 2 种及以上模态的信号整合成一张联合 UMAP / 聚类
- 对 ATAC 模态做专门预处理（TF-IDF 归一化 + LSI 降维）
- 对表面蛋白做 CLR（中心化对数比）归一化
- 跨模态特征关联、或对多组学层用 MOFA+ 做因子分析
核心数据结构 MuData = 多个 AnnData（每模态一个：rna/atac/protein…）+ 共享的 obs/var 轴，可对所有模态做协调操作。
不该用本条的边界：
- 只有单一 RNA 模态、无共测组学 → 用
single-cell-rnaseq-analysis（Scanpy） - 需要深度生成式概率模型做跨样本/跨模态批次校正 → 用 scvi-tools 的 MultiVI（RNA+ATAC）或 totalVI（CITE-seq）
- 纯 AnnData 结构 / I/O 问题 → 看 AnnData 资料；MuData 的每个模态就是标准 AnnData
步骤
- 装环境：
pip install "muon[all]" "scanpy[leiden]" anndata，MOFA 需pip install mofapy2。Python 3.9+，>50k 细胞需 16GB+ RAM - 构建 MuData：从
mu.read_10x_h5(...)读 Multiome，或用mu.MuData({"rna": rna, "atac": atac})从分模态 AnnData 组装（各模态需共享obs_names） - RNA 模态：标准 Scanpy 流程（QC →
normalize_total→log1p→ HVG →pca），结果写回mdata.mod["rna"] - ATAC 模态：
mu.atac.pp.tfidf()→mu.atac.tl.lsi()，丢弃 LSI 第 1 主成分（捕获测序深度而非生物信号） - 蛋白模态：
mu.prot.pp.clr()做 CLR 归一化，不要用normalize_total+log1p - 对齐：分模态 QC 后细胞数会不一致，WNN 前必须
mu.pp.intersect_obs(mdata) - WNN 联合图：
mu.pp.neighbors(mdata, key_added="wnn", use_rep={"rna":"X_pca","atac":"X_lsi"}) - 下游一律传
neighbors_key="wnn"：sc.tl.umap→sc.tl.leiden(key_added="leiden_wnn") - （可选）MOFA+ 因子分析
mu.tl.mofa(...)；把联合聚类标签拷回各模态再做模态特异差异分析
示例
最小 RNA + ATAC WNN 流程：
import muon as mu, scanpy as sc
# mdata = mu.read_10x_h5("filtered_feature_bc_matrix.h5") # 真实数据
# RNA 预处理
sc.pp.normalize_total(mdata["rna"], target_sum=1e4)
sc.pp.log1p(mdata["rna"])
sc.pp.highly_variable_genes(mdata["rna"], n_top_genes=3000, flavor="seurat_v3")
sc.pp.pca(mdata["rna"], n_comps=50, use_highly_variable=True)
# ATAC 预处理：TF-IDF + LSI
mu.atac.pp.tfidf(mdata["atac"], scale_factor=1e4)
mu.atac.tl.lsi(mdata["atac"], n_comps=50)
# WNN 联合嵌入（对齐 → 联合图 → UMAP → Leiden）
mu.pp.intersect_obs(mdata)
mu.pp.neighbors(mdata, key_added="wnn",
use_rep={"rna": "X_pca", "atac": "X_lsi"},
n_neighbors=30, random_state=42)
sc.tl.umap(mdata, neighbors_key="wnn", random_state=42)
sc.tl.leiden(mdata, neighbors_key="wnn", resolution=0.5, key_added="leiden_wnn")
# 联合 UMAP 上按模态前缀着色（如 "rna:CD3E"）
sc.pl.umap(mdata, color=["leiden_wnn", "rna:CD3E"], use_raw=False, vmax="p99")
CITE-seq 关键差异：蛋白模态用 mu.prot.pp.clr(mdata["protein"])，再 sc.pp.pca，WNN 用 use_rep={"rna":"X_pca","protein":"X_pca"}。
把联合标签拷回各模态做模态特异 DE：
for mod in mdata.mod:
adata = mdata[mod]
adata.obs["leiden_wnn"] = mdata.obs.loc[adata.obs_names, "leiden_wnn"].values
sc.tl.rank_genes_groups(mdata["atac"], groupby="leiden_wnn",
method="wilcoxon", use_raw=False) # 差异可及峰
注意事项
- WNN 前必对齐 obs：分模态过滤后细胞集合不同，漏掉
mu.pp.intersect_obs(mdata)会触发ValueError: obs_names mismatch - ATAC 丢弃 LSI 第 1 维：与
log_total_counts相关性 >0.9 时，用X_lsi[:, 1:]再进 WNN neighbors_key="wnn"要贯穿到底：所有umap/leiden/paga都显式传，否则会静默用错默认图"neighbors"- 蛋白用 CLR 不用 log-normalize：ADT 噪声模型与 RNA 不同；CLR 对全零细胞会产 NaN，先
filter_cells(min_genes=1) - 归一化前存原始 RNA 计数：
mdata["rna"].layers["counts"]=mdata["rna"].X.copy()并.raw=，供 DE 与 scvi-tools 用 - WNN 各模态嵌入维度宜相当（如都取 30 或 50），维度悬殊会下压小模态权重
- 大 ATAC 矩阵内存：50k+ 峰 × 10k+ 细胞先选 top 峰或分块；TF-IDF 报稀疏矩阵错时先转
csr_matrix(...astype(float)) - 转 scvi-tools：用
ad.concat([rna, atac], axis=1, merge="unique")并在var["modality"]标注模态身份，再喂MULTIVI.setup_anndata
互见
- related：
single-cell-rnaseq-analysis—— 单一 RNA 模态分析，是 muon 中 RNA 子流程的基础 - related：
genomic-file-toolkit、scientific-database-lookup - combines_with：
gene-set-enrichment-analysis—— 对 WNN 聚类的 marker 做富集解读 - combines_with：
nextflow-pipeline-builder—— 上游测序数据到计数矩阵的批量流水线
采编自 jaechang-hits/SciAgent-Skills（源许可 BSD-3-Clause，本条以 CC-BY-4.0 再分发）。