SuperAPI AI 工具集

omicverse-microbiome-meta-analysis

数据与分析

查看项目

更新于 10-16 02:38

技能介绍

用途:把来自 16S 扩增子技能的多个单研究微生物组 AnnData 拼接成跨队列 AnnData,再做逐研究差异丰度与跨研究荟萃分析,核心问题是“该对比是否在各队列间成立”,而非“任一队列是否有富集”。

主要能力:ov.micro.combine_studies 可按指定分类等级(默认 genus)折叠 ASV、跨研究并集特征(对队列特异特征零填充)并标记 obs['study'];ov.micro.meta_da 支持 deseq2、wilcoxon、ancombc 三种逐研究方法,配合 random_effects(DerSimonian-Laird 默认)或 fixed_effects 合并,返回 feature、combined_lfc、combined_se、z、p_value、fdr_bh、n_studies、I2 及逐研究 lfc/se/pvalue 列。另可用联合对象做 Beta/PCoA 诊断研究效应,用 I² 散点标记高异质性命中。

使用方式:加载各队列 AnnData(obs[group_key] 含对比两组且每组出现于所有研究;var[rank] 存在;.X 为整数计数),先调用 combine_studies([adata_A, adata_B, adata_C], study_names=[...], rank='genus'),再调用 meta_da([...], group_key='disease', group_a='CTRL', group_b='CASE', method='deseq2', rank='genus', min_prevalence=0.1, combine='random_effects'),最后可用 barh 绘制合并 LFC±1.96·SE 的森林式图。

限制:不负责从 FASTQ 构建单研究 AnnData(见 16S amplicon 技能);不做单队列 DA 方法比较;不实现跨研究系统发育树对齐,也不做 ComBat/Harmony 式批校正——combine_studies 仅零填充并标记研究。菌株水平荟萃分析未实现。min_prevalence 按研究应用而非合并后应用。建议各队列每组样本数不少于 5,属水平以下跨数据库对齐易失效。I²≥0.75 的“显著”特征不宜直接作为荟萃结论报告。