monocle3算法
用途
利用monocle3 算法对空间转录组和单细胞数据进行轨迹推断，自动输出多种轨迹相关结果。
运行方式
使用细胞注释后的h5ad，准备rds文件
SDAS dataProcess h5ad2rds -i st.h5ad -o outdir 运行monocle3
SDAS trajectory monocle3 -i st.rds -o outdir --root_key anno_spotlight --root CAF_DES \
--gene_symbol_key real_gene_name \
--batch_key sampleID输入参数说明
-i / --input
是
rds文件，要求有原始表达矩阵
-o / --output
是
输出文件夹
--root_key
是
meta.data中根节点所在的列名称
--root
是
设置为根节点的名称
--assay
否
rds文件中用于分析的assay名称，若不设置则用当前默认assay
--gene_symbol_key
否
real_gene_name
rds文件中基因名(symbol)的列名（meta.features），_index 表示用矩阵的列名
--batch_key
否
进行批次校正的meta.data列名，不输入则不做去批次
--resolution
否
leiden聚类的resolution参数，不输入则算法会自适配
--use_existing_umap_cluster
否
使用rds已有的umap和cluster信息
--umap_key
否
umap
输入rds存储umap信息的名称
--cluster_key
否
leiden
输入rds存储cluster信息的名称
--deg
否
分析随拟时序变化的差异基因则输入”--deg”
--n_cpus
否
8
多线程数
--top_gene_num
否
5
随拟时序变化的top差异基因数目的表达图
--gene_file
否
自定义基因列表文件路径，画基因随拟时序变化的表达趋势图
--gene_color_label
否
pseudotime
基因图展示的列的名称
--pval_cutoff
否
0.05
差异基因筛选p值
--qval_cutoff
否
0.05
差异基因筛选q值
--seed
否
42
随机种子
输出结果展示
<input_name>_dimension.png/pdf
降维图，展示细胞在低维空间的分布结构
<input_name>_dimension_color_by_batch.png/pdf
以批次信息展示的降维图（有做批次校正时输出），用于评估批次效应
<input_name>_cluster.png/pdf
聚类图，展示细胞聚类分布情况
<input_name>_roots.png/pdf
root图，显示轨迹分析的根节点位置
<input_name>_pseudotime.png/pdf
拟时序图，展示细胞的拟时序分布
<input_name>_top_genes_in_pseudotime.png/pdf
拟时序变化的top基因表达趋势图
<input_name>_custom_genes_in_pseudotime.png/pdf
拟时序变化的自定义基因表达趋势图
<input_name>_monocle3.rds
包含轨迹分析结果的rds文件
<input_name>_pseudotime.csv
细胞的拟时序结果，记录每个细胞的拟时序值
<input_name>_deg_trajectory.xls
随拟时序变化的所有基因的结果
降维图：
<input_name>_dimension.png/pdf展示细胞在低维空间的分布结构,反映整体异质性和分群结构
聚类图：
<input_name>_cluster.png/pdf展示细胞聚类分布，反映整体异质性和分群结构
root图：
<input_name>_roots.png/pdf展示轨迹分析的根节点，标记轨迹推断的起始点（根节点），用于后续拟时序排序
拟时序图：
<input_name>_pseudotime.png/pdf展示细胞拟时序分布,细胞按推断的发育/转化顺序着色，反映动态变化过程
拟时序变化的top基因表达趋势图：
<input_name>_top_genes_in_pseudotime.png/pdf展示拟时序变化最显著的top基因表达趋势
拟时序变化的自定义基因表达趋势图：
<input_name>_custom_genes_in_pseudotime.png/pdf展示用户指定基因在拟时序过程中的基因表达趋势
调参建议
monocle3的轨迹分析一般需以细胞亚型精准注释为前提。通过亚型划分，算法可排除无关细胞干扰，聚焦于具有发育连续性的细胞群体，从而推断符合生物学逻辑的分化路径。实际分析中，推荐选取特定细胞群体，不要使用全片进行分析，同时可降低运行时间和内存。
Last updated