用途:沿发育轨迹识别驱动细胞命运决定的基因。使用前提是已在 adata.obs 中计算好拟时序(如 Palantir、VIA、DPT),本技能在轨迹推断之后使用。
主要能力:
- 基因选择:自适应阈值回归(ATR)迭代去除低系数基因并监控 R²,找出解释拟时序的最小基因集。
- 谱系评分:Mellon 密度估计识别低密度过渡区域,谱系特异变异评分定位命运驱动基因。
- 统计验证:kendalltau_filter 计算每个筛选基因与拟时序的 Kendall tau。
- 可视化:plot_filtering、plot_fitting、plot_color_fitting。另支持 ATAC 模式(atac_init、get_related_peak)。
使用方式:先 ov.single.Fate(adata, pseudotime='dpt_pseudotime') 初始化,再依序 model_init、ATR、model_fit、kendalltau_filter、low_density、lineage_score,最后取交集得到命运驱动基因。ATR 的 flux 参数(默认 0.01)控制筛选敏感度。可用 use_data_augmentation 处理噪声拟时序,策略含 jitter_pseudotime_noise、gene_expression_noise、both。有 CUDA 时自动用 PyTorchRidge,否则用 sklearn CPU。
限制与依赖:拟时序列必须存在于 adata.obs 且无 NaN;表达式数据基于 .X,对数归一化即可。low_density 依赖 Mellon,需 pip install mellon,否则报 ImportError;还需 'X_pca' 在 adata.obsm 中。lineage_score 所指定簇须存在且细胞数充足。ATR 后 R² 过低(<0.3)说明拟时序与表达相关性弱,可换轨迹方法或增大 stop。plot_filtering 曲线平坦多因变异性基因过少,需先做 HVG 选择。GPU 显存不足可设 CUDA_VISIBLE_DEVICES="" 强制 CPU。是否收费、价格与具体平台暂未提供。