和前面的scCATCH一样，SCSA（https://github.com/bioinfo-ibms-pumc/SCSA）也是基于已知marker gene进行打分的注释方法。
它的安装也比较简单：
git clone https://github.com/bioinfo-ibms-pumc/SCSA.gitpip install pandas numpy scipy
SCSA也比较灵活，cellranger，seurat的输出都能接受。
===cellranger格式输入====
python3 SCSA.py -d whole.db -i cellranger_pbmc_3k.csv -k All -g Human -p 0.01 -f 1.5 -m txt -o sc.txt
所以最后会输出每个cluster的相关cell label以及Z-score。同时，也输出每个cluster的相关GO，来为那些未知的cluster进行指导。
===当然也可以读取seurat的输出===
python3 SCSA.py -d whole.db -s seurat -i seurat_GSE72056.csv -k All -E -g Human -p 0.01 -f 1.5 –o test
最终也是输出cluster对应的label以及Z-score，同时输出每个cluster相关的GO term。
本文使用 文章同步助手 同步
