CASSIA 中的批处理

CASSIA 支持同时分析多个聚类。本指南解释了如何准备数据并高效运行批量分析。根据您电脑cpu的核心数目，一个20的分群的聚类一般在大约三分钟内可以完成。

选定要使用的模型

如果您使用 OpenRouter 作为提供商，可以自由指定几乎任何大模型，以下是一些模型推荐：

• Claude 3.5 Sonnet (性能最佳)
  • 模型 ID: "anthropic/claude-3.5-sonnet"
• GPT-4o (均衡选项)
  • 模型 ID: "openai/gpt-4o-2024-11-20"
• deepseekv3 (几乎免费且效果接近4o，最推荐)
  • 模型 ID: "deepseek/deepseek-chat-v3-0324" 或者 "deepseek/deepseek-chat-v3-0324:free" (这个是免费的！但每天有50次限制，如果充值10🔪放openrouter里，限制提高到1000次每天)

准备标记数据

您有三种提供标记数据的选择：

1. 创建包含您的聚类和标记基因的CSV 文件
2. 直接使用 Seurat 的 findAllMarkers 函数的输出文件
3. 使用 CASSIA 的示例标记数据,不需要自己提供数据

# 选项 1：加载您自己的标记数据
markers <- read.csv("path/to/your/markers.csv")

# 选项 2：直接使用 Seurat 的 findAllMarkers 输出
# （假设您已经有一个 Seurat 对象）
markers <- FindAllMarkers(seurat_obj)

# 选项 3：加载示例标记数据
markers <- loadExampleMarkers()

# 预览数据
head(markers)

标记数据格式

CASSIA 接受两种格式：

1. FindAllMarkers 输出：Seurat 的 FindAllMarkers 函数的标准输出
2. 简化格式：一个两列的表格，其中：
   • 第一列：聚类的名字
   • 第二列：逗号分隔的排序标记基因比如：CD4,CD8,EGFR 这样

运行批量分析

设置参数

# 检测可用的 CPU 核心
available_cores <- parallel::detectCores()

# 计算推荐的工作线程数（可用核心的 75%）
recommended_workers <- floor(available_cores * 0.75)

runCASSIA_batch(
    # 必需参数
    marker = markers,                    # 标记数据（数据框或文件路径）
    output_name = "my_annotation",       # 输出文件的基本名称
    model = "gpt-4o",                     # 要使用的模型
    tissue = "brain",                    # 组织类型
    species = "human",                   # 物种
    
    # 可选参数
    max_workers = recommended_workers,    # 并行工作线程数
    n_genes = 50,                        # 要使用的顶部标记基因数量
    additional_info = "",                # 附加上下文
    provider = "openai"                  # API 提供商
)

参数详情

1. 标记基因选择：

   • 默认：每个聚类的前 50 个基因
   • 过滤标准：
     • 调整后的 p 值 < 0.05
     • 平均对数 2 倍变化 > 0.25
     • 最小百分比 > 0.1
   • 如果通过过滤的基因少于 50 个，则使用所有通过的基因

2. 并行处理：

   • max_workers：控制并行处理线程
   • 推荐：可用 CPU 核心的 80%
   • 示例：对于 16 核机器，设置为 13

3. 附加上下文（可选,最好用英文）：

   • 使用 additional_info 提供实验上下文
   • 示例：
     • 处理条件："样本经过抗体处理" additional_info = "Sample has been processed by antibody"
     • 分析重点："请仔细区分癌细胞和非癌细胞"

输出文件

分析会生成两个文件：

1. my_annotation_full.csv：完整的对话历史
2. my_annotation_summary.csv：浓缩的结果摘要

获得最佳结果的提示

1. 资源管理：

   • 在设置 max_workers 时监控系统资源
   • 从推荐的核心数量的 75% 开始，并根据需要调整

2. 标记基因选择：

   • 默认的 50 个基因适用于大多数情况
   • 对于更复杂的细胞类型，增加数量
   • 如果遇到 API 限制，减少数量