MOFA2多组学因子分析完整上手从 R 环境到首次建模【免费下载链接】MOFA2Multi-Omics Factor Analysis项目地址: https://gitcode.com/gh_mirrors/mo/MOFA2如果你手里同时有转录组、表观组、蛋白组好几张矩阵又想把它们压成几个可解释的旋钮那 MOFA2 就是干这个的。它是 Bioconductor 上的多组学因子分析Multi-Omics Factor Analysis工具R 包负责数据组织、可视化和下游分析真正训练模型的是背后的 Python 引擎 mofapy2。它的核心思路是给每个样本拟合一组隐因子——可以理解为藏在数据底层的几个旋钮每个因子是旋钮读数权重矩阵记录每个特征由哪个旋钮主导。同一个样本缺了某张组学矩阵也没关系模型照样训练还能顺手补缺失值。它适合做整合组学、单细胞多组学探索的科研用户。如何安装 MOFA2 并完成首次运行第一步装好 R 包和 Python 引擎R 端从 Bioconductor 安装一行命令搞定BiocManager::install(MOFA2)Python 端的 mofapy2 有两种接法要么自己建好 conda 环境并用reticulate::use_condaenv()指过去要么训练时交给 basilisk 自动安装新手推荐后者省心。第二步把数据整理成长表MOFA2 最喜欢的输入是一张长表五列sample、feature、view、group可选、value。同一批样本测了哪些组学层就把它们拼进来缺失的模态不用补行缺失值它自己会填。三件事提前确认样本数至少 15 个、各模态都来自同一批样本、特征数建议控制在 1 万以下先做高变特征筛选。想偷懒体验可以用仓库里自带的模拟数据inst/extdata/test_data.RData。第三步创建对象、准备、训练整条主线就三句inst/scripts/template_script.R里就是完整版mofa - create_mofa(data) mofa - prepare_mofa(mofa, model_options model_opts) mofa - run_mofa(mofa, use_basilisk TRUE)跑完用plot_dimred(mofa)看看样本降维或者用get_variance_explained()看看因子解释了多少变异图能对上你的生物学假设就说明没白跑。常用参数速查表参数默认值一句话解释何时需要调整num_factors10隐因子个数按解释方差曲线回调超过 50 会明显变慢maxiter1000训练迭代轮数收敛不干净或想更快收敛时调convergence_modefast收敛判定快慢正式发表模型建议 medium 或 slowlikelihoodsgaussian每视图每个视图的似然类型原始计数数据用 poisson0/1 数据用 bernoullispikeslab_weightsTRUE权重稀疏先验让因子只盯部分特征想让因子覆盖全部特征时关闭scale_viewsFALSE各视图各自缩放到单位方差不同组学层量纲差异悬殊时打开gpu_modeFALSE使用 GPU 训练样本量很大且装好了 cupy 时save_dataTRUEhdf5 模型文件里是否存原始数据不画数据相关图时设 FALSE 省磁盘新手易踩的坑坑一R 里找不到 mofapy2训练直接报错。原因是 R 包只是指挥层计算全在 Python 里而你机器上多个 Python 环境时 R 往往认错了那个。最简单的处理训练时设use_basilisk TRUE让 MOFA2 自己装一个干净的 conda 环境绕开一切路径问题。坑二样本太少跑出来的因子全是噪声。MOFA 要求总样本数至少是因子数的 4 倍左右官方对因子分析的底线是 15 个样本少于这个数统计效力基本为零。看到 warning 就减因子数或攒样本别硬跑顺便把特征做一轮高变筛选训练会快很多。坑三组学层之间维度悬殊大矩阵霸屏。比如 RNA-seq 两万个基因对蛋白组两百个蛋白因子基本全被前者主导。处理方法是分视图做高变特征筛选维度大的视图筛得更狠再考虑打开scale_views把各层方差拉平。下一步看什么先读vignettes/getting_started_R.Rmd它从头演示了长表建对象、配参数、训练到画图的全流程想摸时序数据就看vignettes/MEFISTO_temporal.Rmd。本地跑不顺手的话克隆仓库对照示例改git clone https://gitcode.com/gh_mirrors/mo/MOFA2模板脚本在inst/scripts/template_script.R改三个参数就能套用你自己的数据。【免费下载链接】MOFA2Multi-Omics Factor Analysis项目地址: https://gitcode.com/gh_mirrors/mo/MOFA2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考