single-cell-multi-omics-integration
Quick-reference sheet for OmicVerse tutorials spanning MOFA, GLUE pairing, SIMBA integration, TOSICA transfer, and StaVIA cartography.
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
Quick-reference sheet for OmicVerse tutorials spanning MOFA, GLUE pairing, SIMBA integration, TOSICA transfer, and StaVIA cartography.
How to use
Zainstaluj zależności wymagane przez OmicVerse, w szczególności
mofapy2dla metody MOFA. Upewnij się, że masz dostęp do repozytorium omicverse i umiejętności single-cell-multi-omics-integration.Określ typ twoich danych: czy masz sparowane pomiary RNA i ATAC z tych samych komórek, czy pochodzą z różnych eksperymentów. Ta decyzja wpłynie na wybór metody — MOFA dla danych sparowanych, GLUE + MOFA dla niesparowanych.
Załaduj każdą modalność jako osobny obiekt AnnData. Przygotuj dane w formacie, który obsługuje OmicVerse, z wymaganymi metadanymi i adnotacjami.
Dla danych sparowanych: zainicjuj
pyMOFAz listamiomicsiomics_name, uruchommofa_preprocess()do selekcji HVG, następniemofa_run()z parametremoutfiledo trenowania modelu.Dla danych niesparowanych: załaduj embeddingi pochodzące z GLUE (pliki
.h5adz embedingami w.obsm), zbudujGLUE_pairi uruchomcorrelation()do dopasowania komórek między modalnościami, potem zastosuj MOFA.Sprawdź wyniki za pomocą
pyMOFAART()z parametremmodel_path— narzędzie wyświetli wykresy korelacji, wagi czynników i wariancję wyjaśnianą przez każdy czynnik.