MOFA2 多组学因子分析从安装到跑通第一个模型新手 10 分钟上手【免费下载链接】MOFA2Multi-Omics Factor Analysis项目地址: https://gitcode.com/gh_mirrors/mo/MOFA2MOFA2Multi-Omics Factor Analysis v2是一个多组学因子分析工具把同一批样本上的多模态数据比如转录组 蛋白组放进一个概率因子模型无监督地找出共享的潜在变化轴。适合需要整合多种组学测量、又想在 R 里完成建模型和后续可视化的生信用户。这篇文章带你完成环境安装、跑通第一个模型、看懂核心参数三件事。 环境准备R Python 双栈怎么装先说清楚一个容易踩坑的点MOFA2 本体是 R 包但训练在 Python 端完成——R 包通过 reticulate 调用 Python 的mofapy2引擎。所以环境是双栈的R 端R 4.0包版本 1.23.0Bioconductor 发行Python 端Python 3另需 numpy、pandas、h5py、scipy、scikit-learn 和mofapy2安装可以直接复制install.packages(BiocManager) BiocManager::install(MOFA2)pip install mofapy2注意如果 R 里同时装了多个 Python建议先用reticulate::use_python(你的python路径)显式指定否则训练时最常报的就是连不上 Python这类错。项目里还提供了一个Dockerfile想要开箱即用的环境可以直接构建它。 三步跑通第一个模型MOFA 不是随便什么数据都适用官方建议样本量至少 15 个左右且各模态测量来自同一批样本个别样本缺某个模态没关系。另外强烈建议每个视图先做归一化和高变特征筛选再喂给模型。数据有两种主流输入格式矩阵列表每个视图一个矩阵行是样本、列是特征简单数据用这个长格式 data.frame列包含sample、feature、view、value可选group多视图多分组时更省事缺失的单元格不用补行也可以用内置的模拟数据先练手make_example_data下面这条链路完整走一遍建对象 → 定参数 → 训练library(MOFA2) data - make_example_data(n_views 2, n_samples 200, n_features 1000, n_factors 10)[[1]] mofa - create_mofa(data) data_opts - get_default_data_options(mofa) model_opts - get_default_model_options(mofa) train_opts - get_default_training_options(mofa) mofa - prepare_mofa(mofa, data_opts, model_opts, train_opts) trained - run_mofa(mofa)训练成功会打印每轮迭代的 ELBO模型以 hdf5 文件保存不指定outfile就放临时目录之后可以用load_model()随时读回。想直观检查结果第一步建议调用plot_data_overview(trained)看数据结构再用get_factors()/get_weights()提取因子和载荷。️ MOFA2 参数怎么调核心选项速查三类选项都用get_default_*_options()取出来再按需改字段。最常用的是这几个参数作用默认值怎么调num_factors潜在因子数量10先跑 10 个看每个因子解释的方差再增减likelihoods每个视图的似然类型gaussian计数型数据用poisson二值型用bernoulli文档建议尽量转成连续值走 gaussianscale_views视图缩放到单位方差FALSE各视图量纲差异大时打开ard_weights/ard_factors稀疏先验自动相关性确定多视图/多分组时TRUE熟悉模型数学前不建议动maxiter最大迭代次数1000探索阶段可以调小省时间convergence_mode收敛严格度fast探索用 fast最终模型用 medium 或 slowdrop_factor_threshold训练中被淘汰因子的解释方差阈值-1不淘汰想自动剪掉无效因子时设一个正阈值gpu_modeGPU 加速训练FALSE需额外安装 cupy 且有可用 GPUseed随机种子无复现实验时固定如 42经验法则默认值直接跑通常没问题新手优先调num_factors和convergence_mode就够了。️ 代码地图5 个关键位置位置一句话说明R/R 端全部实现create_mofa、prepare_mofa、run_mofa及 get/plot 系列下游函数vignettes/三个官方教程R 端训练、下游分析、MEFISTO 时序/空间数据inst/scripts/开箱即用的模板脚本R 和 Python 各一份含完整参数注释inst/extdata/test_data.RData内置的长格式示例数据可直接load()使用man/全部函数的 roxygen 文档每个 API 都有例子➡️ 下一步读完vignettes/downstream_analysis.Rmd讲解方差解释R²、因子可视化、与协变量关联等训练后的标准分析流程如果你的样本带时间或空间坐标看vignettes/MEFISTO_temporal.Rmd了解 MOFA2 内建的 MEFISTO 框架如何把这些信息编进模型【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