SuperAPI AI 工具集

omicverse-bulk-metabol-pathway-multifactor

设计与创作

查看项目

更新于 10-16 10:21

技能介绍

用途:对已预处理的代谢组学 AnnData 做下游生物学解读,包含四条路径——通路/MSEA 富集、多因素设计、差异相关(DGCA)与相关网络、多组学 MOFA+,另有 MTBLS1 尿液 NMR 二型糖尿病端到端案例。

主要能力: ov.metabol.map_ids 将代谢物名解析为 HMDB/KEGG/ChEBI/PubChem/LIPID MAPS 编号;msea_ora 做 Fisher 精确检验过表征分析,msea_gsea 做排序富集(基于 gseapy.prerank),load_pathways 提供约 550 条 KEGG 通路;pathway_bar 与 pathway_dot 绘图。asca 做 ANOVA-SCA 方差分解,mixed_model 拟合 MixedLM,meba 用 Hotelling T² 检测两组时序差异。dgca 计算条件间相关重连,corr_network 建单条件网络,dgca_class_bar 与 corr_network_plot 可视化。run_mofa 做代谢组与 RNA-seq 等视图的联合分解。 ov.utils.load_metabolights 可从 EBI MetaboLights 下载并合并 MAF 与样本表。

使用方式:先对 AnnData 完成差分获得 p 值表,再按需调用富集、多因素或网络函数;MOFA 要求各视图 AnnData 的 obs_names 完全一致同序;MetaboLights 首次调用需联网并具 cache_dir 写权限。ASCA 适合平衡的交叉设计,MixedLM 适合重复测量,MEBA 针对两组时序。相关性用 Spearman 为默认,网络可视化宜用 abs_r_threshold=0.5 配 padj_threshold=0.05。

限制:m/z 的 mummichog 富集、LION 脂质本体富集、预处理(插补/归一化/漂移校正)、PLS-DA/OPLS-DA 拟合本身及生物标志物嵌套 CV 均不在此技能范围内,属其他技能。ID 映射覆盖不全,新 LC-MS 特征常 60–80% 无法解析。小样本不建议做 MSEA。ASCA 需平衡数据。未提供内容不在此展开。