MOFA2 快速上手：5 步完成多组学数据整合与因子分析

MOFA2 快速上手：5 步完成多组学数据整合与因子分析

【免费下载链接】MOFA2Multi-Omics Factor Analysis项目地址: https://gitcode.com/gh_mirrors/mo/MOFA2

如果你在同一批样本上测了多种组学（比如 RNA-seq、ATAC-seq、甲基化），却始终搞不清每一层数据各自贡献了什么变异，MOFA2 要解决的就是这个问题。它用概率因子分析模型对多组学数据做无监督整合：把各层观测的变异分解成少量共享的"潜在因子"，再告诉你每个因子背后是哪些分子特征在驱动。MOFA2 是一个 R 包（当前版本 1.23.0），训练时通过 reticulate（R 与 Python 的桥梁）调用 Python 端的 mofapy2 完成计算，分析画图则留在 R 里完成。

它适合两类人：手上有多组学数据的生物信息研究者，以及想用因子分析做降维、聚类和特征发现的普通用户。

它到底能帮你干什么

场景一：把多组学压成一张"总地图"。每个因子对每个样本都有一个取值，因子矩阵本质上就是一份整合了所有组学层的降维结果。你可以直接拿它给样本聚类、做散点图，或者用correlate_factors_with_covariates检验哪些因子和年龄、疾病状态等协变量相关。

场景二：搞清楚每个因子由什么特征撑起。训练完以后，plot_top_weights能展示每个因子的头部特征（基因、峰等），再配合run_enrichment做富集分析，就能把"因子 3 显著富集于细胞周期基因"这类生物学结论落下来。

如果你的样本还有时间或空间维度（比如发育时序、组织位置），包内置的 MEFISTO 框架可以让因子沿时间/空间平滑变化，见 vignettes/MEFISTO_temporal.Rmd。

5 分钟跑起来：最小上手路径

先备环境：R ≥ 4.0，另加一个装了mofapy2、numpy、pandas、h5py、scipy、sklearn的 Python 3 环境。然后装包：

remotes::install_git("https://gitcode.com/gh_mirrors/mo/MOFA2")

不想准备真实数据？包自带模拟数据生成器，4 行代码就能把完整流程跑通：

library(MOFA2) data <- make_example_data(n_views = 2, n_samples = 200, n_features = 1000, n_factors = 10)[[1]] obj <- create_mofa(data) # 建对象 obj <- prepare_mofa(obj) # 应用默认数据/模型/训练选项 obj <- run_mofa(obj) # 连上 Python 端开始训练

训练日志会逐轮打印 ELBO（模型似然下界），收敛后模型存在model.hdf5里。接下来用get_factors拿因子、get_variance_explained看每个因子解释了多少方差、plot_data_overview检查数据长什么样。

数据怎么喂进去

• 长表格（推荐多组学复杂数据）：5 列sample、feature、view、group（可省）、value，缺失值不用自己补
• 矩阵列表：每个 view 一个矩阵，样本为行、特征为列
• 也支持从 Seurat、MultiAssayExperiment 对象直接转换

只想用 Python？

R 包只是入口之一，底层 mofapy2 本身独立可用：

from mofapy2.run.entry_point import entry_point ent = entry_point() ent.set_data_df(data) # 长表格：sample/feature/view/group/value ent.set_model_options(factors=5) ent.build(); ent.run(); ent.save("model.hdf5")

关键参数速查：调哪几个、怎么调

所有选项都能用get_default_data_options/get_default_model_options/get_default_training_options取到默认值，再按需覆盖。真正需要关注的就这几个：

训练前有两步预处理比调参更重要：

1. 归一化成连续值：RNA-seq 这类计数数据先做 size factor 归一化 + log 变换，模型对连续值表现最好
2. 筛选高变特征（HVGs）：每层各选一批高变特征，训练更快、因子推断更稳；层之间维度差很多时，对大的层选得更狠一些

另外注意：因子分析要求样本量至少 15 个左右，且各层数据要来自同一批样本（允许个别样本缺某一层）。

目录速览：代码都在哪

完整可复制的流程参考 inst/scripts/template_script.R，教程看 vignettes/getting_started_R.Rmd。

下一步与常见坑 ⚠️

• run_mofa报错，九成是 Python 环境：确认reticulate连到的是那个装齐了 mofapy2 六件套的环境，多环境时用reticulate::use_python("路径")显式指定
• 跳过预处理直接跑：不归一化、不选高变特征，不仅训练慢，因子也基本没法解释
• 多组（groups）功能别碰太早：它是进阶特性，官方明确建议新手先不用
• 模型怎么存：run_mofa产出model.hdf5；在 R 端分析的话把save_data = TRUE存进 hdf5，后续取数方便

想继续深入：先读下游分析教程，重点玩plot_factors、correlate_factors_with_covariates和run_enrichment这三个函数——多组学故事基本就是靠它们讲完的。

【免费下载链接】MOFA2Multi-Omics Factor Analysis项目地址: https://gitcode.com/gh_mirrors/mo/MOFA2