Skip to main content

Molo Pipeline

3 Molo 函数

在本节中，我们将详细介绍Molo包中的各函数的功能和对应的参数设置。

3.1 Molo_Create

3.1.1 功能

从标准格式的原始数据文件创建Molo对象。

3.1.2 参数及含义

  • data_type：平台类型（如 "Visium"，默认值）
  • folder_path：包含输入文件的目录路径（默认当前目录 "./"）
  • n_cells：可选参数，指定子集化的细胞数量（默认不限制）
  • n_features：可选参数，指定特征选择数量（默认不限制）
  • ATAC_dataset：ATAC-seq参考基因组物种（可选 "mouse" 或 "human"，默认 "mouse"）
  • CODEX_type：多重成像平台类型（默认 "processor"）
  • softmax：是否应用softmax标准化（逻辑值，默认 FALSE）
  • custom_index：自定义索引列标识符（默认 "__index_level_0__"）

3.1.3 返回值

构造完成的Molo对象。

3.1.4 基础示例 

molo_obj <- Molo_Create(data_type = "Visium", 
                        folder_path = "./Visium/",
                        n_cells = 2000, 
                        n_features = 3000)

3.2 Molo_reduction_cluster

3.2.1 功能

对Molo对象执行降维与聚类分析。

3.2.2 参数及含义

  • obj：输入的Molo对象
  • only_QC：是否仅执行质量控制过滤步骤（逻辑值）
  • nFeature_range：有效基因数范围（向量格式，如 c(200, 2500)）
  • nCount_range：有效UMI数范围（向量格式，如 c(500, 15000)）
  • molo_env：运行时配置参数（环境变量对象）
  • labeled_ref：参考标注数据集的文件路径（推荐使用rds格式的seurat对象）
  • molo_plot_path：结果图像输出目录路径（默认根据环境变量生成）
  • save_type：结果保存格式（如静态图像"png"/交互式图像"echarts"）
  • run_Banksy：是否启用Banksy空间聚类（逻辑值）
  • image_alpha：空间图像透明度（数值范围0-1）
  • pt_size：可视化点大小（数值，默认根据数据规模自动调整）
  • atac_steps：ATAC-seq数据处理流程步骤标识符（字符向量）
  • show_progress：是否显示进度信息（逻辑值）

3.2.3 返回值

包含降维嵌入结果和聚类标签的Molo对象。

3.2.4 基础示例 

molo_obj <- Molo_reduction_cluster(obj = molo_obj,
                                   only_QC = FALSE,
                                   nFeature_range = c(200, 2500),
                                   nCount_range = c(500, 15000),
                                   molo_plot_path = "./plots/")

3.3 Molo_var_features

3.3.1 功能

识别Molo对象中的空间可变特征和标记基因。

3.3.2 参数及含义

  • obj：输入的Molo对象
  • features：预定义分析特征集合（可选，默认分析全部特征）
  • sp_var_features：需筛选的顶级空间可变特征数量（数值）
  • molo_plot_path：可视化结果存储目录（默认根据环境变量生成）
  • save_type：输出图像文件格式（如静态图像"png"/交互式图像"echarts"）
  • font_size：可视化图表文字大小（数值，默认 12）
  • image_alpha：空间图层透明度（数值范围 0-1，默认 0.6）
  • pt_size：特征表达点的可视化尺寸（数值，默认 1.0）
  • show_progress：是否显示处理进度（逻辑值，默认 TRUE）

3.3.3 返回值

包含空间可变特征分析结果的Molo对象。

3.3.4 基础示例 

molo_obj <- Molo_var_features(obj = molo_obj,
                              sp_var_features = 20,
                              molo_plot_path = "./plots/")

3.4 Molo_top_GO_terms

3.4.1 功能

执行GO富集分析并可视化各聚类核心通路。

3.4.2 参数及含义

  • obj：包含聚类注释的Molo对象
  • dataset：基因注释的物种数据库（可选 "mouse" 或 "human"）
  • plot_cols：可视化自定义调色板（可选，默认使用内置配色）
  • molo_plot_path：GO结果图像存储目录路径（默认根据环境变量生成）
  • font_size：可视化图表标签文字大小（数值，默认 12）
  • show_progress：是否显示处理进度（逻辑值，默认 TRUE）

3.4.3 返回值

包含GO富集分析结果的Molo对象。

3.4.4 基础示例 

molo_obj <- Molo_top_GO_terms(obj = molo_obj,
                              dataset = "mouse",
                              molo_plot_path = "./plots/")

3.5 Molo_cell_chat

3.5.1 功能

使用CellChat进行细胞间通讯分析。

3.5.2 参数及含义

  • obj：包含细胞类型注释的Molo对象
  • plot_cols：细胞群组的自定义颜色映射（可选，默认使用内置配色）
  • dataset：配体-受体对的物种数据库（可选 "mouse" 或 "human"）
  • molo_plot_path：细胞通讯分析结果图像输出目录路径（默认根据环境变量生成）
  • font_size：可视化图表标签文字大小（数值，默认 12）
  • show_progress：是否显示处理进度（逻辑值，默认 TRUE）

3.5.3 返回值

包含CellChat分析结果的Molo对象。

3.5.4 基础示例 

molo_obj <- Molo_cell_chat(obj = molo_obj,
                           dataset = "mouse",
                           molo_plot_path = "./plots/")

3.6 Molo_traj

3.6.1 功能

使用Monocle3进行细胞轨迹推断。

3.6.2 参数及含义

  • obj：包含降维结果的Molo对象
  • plot_cols：轨迹自定义颜色映射（可选，默认使用内置配色）
  • molo_plot_path：轨迹分析结果图像存储目录路径（默认根据环境变量生成）
  • show_progress：是否显示处理进度（逻辑值，默认 TRUE）

3.6.3 返回值

包含轨迹推断元数据的Molo对象。

3.6.4 基础示例 

molo_obj <- Molo_traj(obj = molo_obj, molo_plot_path = "./plots/")

3.7 Molo_Integrate

3.7.1 功能

使用Molo框架进行空间数据整合。

3.7.2 参数及含义

  • obj_list：输入Molo对象的列表
  • var_features：高变特征筛选数量（整数，默认 3000）
  • py_path：Python解释器可执行文件路径（默认 "home/user/anaconda3/envs/Molo/bin/python"）
  • device：模型训练计算设备（可选 "cuda:0"/"cpu"，默认 "cuda:0"）
  • save_path：整合结果存储目录路径（默认 "./molo_save/"）
  • pretrain_epoch：预训练迭代次数（整数，默认 100）
  • train_epoch：主训练迭代次数（整数，默认 300）
  • tmp：中间文件临时存储目录（默认 "./_molo_tmp/"）
  • edge：边构建策略（字符，默认 "together"）
  • sp_alignment：空间对齐方法（字符，默认 "Molo"）
  • plot_3D_width：3D可视化图像宽度（数值，默认 8.0）
  • plot_3D_height：3D可视化图像高度（数值，默认 6.0）
  • plot_3D_spot_size：3D图中点尺寸（数值，默认 0.5）
  • dist_threshold：空间匹配最大距离阈值（数值，默认 5.0）
  • pis_path：预计算对齐概率文件路径（可选，默认 NULL）
  • sp_alignment_s：空间对齐正则化强度（数值，默认 0.7）
  • use_harmony：是否启用Harmony整合校正（逻辑值，默认 FALSE）
  • compute_iLISI：是否计算整合质量指标（逻辑值，默认 TRUE）
  • edge_type：边连接类型（字符，默认 "together"）
  • edge_sp：空间邻域边数量（整数，默认 10）
  • edge_mtx：特征相似性边数量（整数，默认 10）
  • hidden_dims：神经网络隐藏层维度（整数，默认 250）
  • reduction_dims：潜在空间维度（整数，默认 30）
  • mse_loss：均方误差损失权重（数值，默认 1.0）
  • tri_loss：三元组损失权重（数值，默认 1.0）
  • ggae_loss：图自编码器损失权重（数值，默认 1.0）
  • cos_loss：余弦相似度损失权重（数值，默认 1.0）
  • bce_loss：二值交叉熵损失权重（数值，默认 1.0）
  • kl_loss：KL散度损失权重（数值，默认 1.0）
  • K_h：相似性缩放超参数（数值，默认 5.0）
  • verbose：是否显示进度信息（逻辑值，默认 TRUE）

3.7.3 返回值

整合后的Molo对象。

3.7.4 基础示例 

integrated_obj <- Molo_Integrate(obj_list = list(molo1, molo2),
                                 var_features = 3000)