`scrna` — scRNA-seq → 新抗原交接流程¶

打通从组织样本到疫苗设计之间的完整闭环：

加载 AnnData（h5ad）或 CSV/TSV（细胞 × 基因）表达矩阵。
对细胞进行聚类 —— 若已安装 scanpy 则使用 Leiden 算法，否则使用标准库的 k-medoids。
识别肿瘤聚类（按提供的标记基因，或默认取最大的聚类）。
对位于肿瘤聚类表达基因上的每个编码区 SNV 变异：
枚举覆盖该变体的 9–11 肽。
将肽列表交接给新抗原筛选器。

用法¶

# 仅依赖标准库（使用合成表达数据 + k-medoids）
mrnavax scrna --expression mrnavax/examples/cells.csv \
              --variants mrnavax/examples/variants_coding.csv \
              --proteins mrnavax/examples/proteins.fasta \
              --tumor-markers GENE_170,GENE_180

# 使用 scanpy（真正的 Leiden 聚类）
pip install -e ".[scrna]"
mrnavax scrna --expression path/to/cells.h5ad ...

输入文件¶

表达矩阵（Expression） —— 细胞 × 基因的 CSV/TSV。若文件不存在，则使用一组确定性的 50 细胞 × 200 基因合成数据集，以便流程其余环节仍可运行。
变异（Variants） —— CSV，包含列 gene,position,wt_aa,mut_aa。
蛋白（Proteins） —— 多记录 FASTA，每个基因符号对应一条蛋白序列。

输出 schema¶

{
  "n_cells": 50,
  "n_genes": 200,
  "cluster_labels": [0, 0, ...],
  "cluster_marker_scores": {"0": 0.34, "1": 0.41, "2": 2.87},
  "tumor_cluster": 2,
  "n_variants_input": 7,
  "n_candidate_peptides": 24,
  "peptides": [
    {
      "cell_cluster": 2,
      "gene": "TP53",
      "position": 175,
      "wt_aa": "R",
      "mut_aa": "H",
      "peptide": "HMTEVVRRC",
      "length": 9,
      "cluster_marker_score": 2.87
    }
  ]
}

与 scGPT 的集成¶

sc_rna_pipeline.py 中的 embed_with_foundation_model 函数是接入 scGPT、 Geneformer 或 UNI-RNA 嵌入的显式扩展点。在两者均未安装的情况下，流程会回退到恒等嵌入（每个细胞的平均表达），足以支撑 k-medoids 聚类，但不足以精确识别细胞类型。

接入 scGPT 的示例：

# 在自定义集成脚本中：
from mrnavax.sc_rna_pipeline import (
    cluster_with_scanpy, embed_with_foundation_model
)
import scgpt  # 你安装的版本

embeddings = scgpt.embed(my_adata)  # 视当前 API 而定
labels = cluster_with_scanpy(embeddings, cell_ids, gene_names)

本包中的 embed_with_foundation_model 函数是一个轻量包装层，用于文档化集成方式，但本身并不依赖于 scgpt。

真实生物学案例：胃癌研究¶

本流程所对应的代表性湿实验工作流程，记载于 Qian et al. 2022 （International Journal of Cancer 151(8): 1367-1381）：

通过单细胞 RNA 测序解析胃癌淋巴结转移中肿瘤细胞的异质性及肿瘤环境的全面动态。

该研究对胃癌原发肿瘤加上淋巴结转移进行 scRNA-seq 测序，识别肿瘤细胞群聚，并表征肿瘤微环境 (TME)——包括驱动免疫逃逸的 T 细胞耗竭表型。下游 mRNA 癌症疫苗设计的问题是：哪些肿瘤群聚特异性的突变肽段与耗竭 T 细胞在空间上共定位，能作为疫苗标的？

本工具组的 scrna 模块正好串联此循环：

# 1. 将 scRNA-seq 计数进行分群
mrnavax scrna \
  --expression gastric_primary.h5ad \
  --proteins gastric_peptides.fasta \
  --variants patient_variants.csv \
  --output-dir results/

# 2. 将肿瘤群聚肽段清单移交给新抗原筛选
mrnavax neoantigen \
  --csv results/tumor_peptides.csv \
  --hla "HLA-A*02:01,HLA-A*24:02" \
  --backend mock

同一份肽段清单接着可通过以下步骤处理：

# 3. ESM2 蛋白质语言模型免疫原性评分（冻结 LM + 分类器）
python -c "
from mrnavax.neoantigen_screener import lm_immunogenicity_score
import pandas as pd
df = pd.read_csv('results/tumor_peptides.csv')
df['lm_score'] = df['peptide'].apply(
    lambda p: lm_immunogenicity_score(p)['score']
)
df.to_csv('results/tumor_peptides_lm_scored.csv', index=False)
"

整个 Qian 风格的工作流程可在工具组的纯标准函数库基线上端到端执行；具备 GPU 访问权限的用户可改用 scGPT 作为基础模型步骤， ESM2-150M 用于免疫原性评分，而每个肽段的肿瘤微环境交互分析则与已发表流程完全相同。

参考文献¶

Qian Y., Zhai E., Chen S., Liu Y., Ma Y., Chen J., Liu J., Qin C., Cao Q.#, Chen J.#, and Cai S.#. (2022). Single-cell RNA-seq dissecting heterogeneity of tumor cells and comprehensive dynamics in tumor microenvironment during lymph nodes metastasis in gastric cancer. International Journal of Cancer 151(8): 1367-1381.

scrna — scRNA-seq → 新抗原交接流程¶

用法¶