less than 1 minute read

CytoMAP : clustering des régions tissulaires

Objectif

À la fin, vous aurez reproduit cette étape de bout en bout sur un cas test.

Avant de commencer

  • Un CSV cellules propre (X, Y, phénotype).
  • CytoMAP installé.
  • Un échantillon test pour valider le workflow.

Pas à pas

  1. Construire des vecteurs de composition cellulaire par région.
  2. Normaliser les variables avant clustering.
  3. Tester plusieurs k et comparer la séparation.
  4. Vérifier la cohérence biologique de chaque cluster.
  5. Exporter l’assignation région -> cluster.

À copier-coller

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

X = pd.read_csv('region_features.csv')
Xs = StandardScaler().fit_transform(X)
labels = KMeans(n_clusters=4, random_state=0, n_init='auto').fit_predict(Xs)
print('cluster_counts:', pd.Series(labels).value_counts().to_dict())

Vérifier que ça marche

  • Le CSV est importé sans erreur.
  • Les neighborhoods/clusters sont calculés.
  • Les résultats exportés sont exploitables.

En cas de problème

  • Valider les colonnes du CSV avant import.
  • Commencer avec un sous-ensemble de cellules.

Documentation officielle

Articles liés

You May Also Enjoy