scvi 0.4.1

快速启动

1. 如果要使用超参数优化功能的并行实现，请安装MongoDb。

1. 安装Python3.7。我们通常使用Minicondapython发行版。

1. 安装PyTorch。如果你有一个nvidia的gpu，一定要安装一个支持它的pytorch版本-scvi运行快得多的离散gpu。

1. 通过conda安装scvi:

   ^{tt1}$

   或者，您可以尝试pip（pip install scvi），或者克隆此存储库并运行python setup.py install。

2. 跟随我们的Jupyter笔记本快速熟悉SCVI！

   1. 入门：

      • data loading
      • basic usage

   2. 分析多个数据集：

      • harmonization
      • annotation

   3. 高级主题：

      • interaction with scanpy
      • linear decoder for gene interpretation
      • reproducing results from the scVI paper
      • imputation of unobserved gene expression (gimVI)
      • hyperparameter tuning for scVI with our autotune module

参考文献

罗曼洛佩兹，杰弗里雷吉尔，迈克尔科尔，迈克尔乔丹，尼尔约瑟夫。 “单细胞转录组学的深层生成模型。” 自然方法，2018年。[pdf]

徐晨玲*，洛佩兹*，梅尔曼*，雷吉尔，乔丹，尼尔约瑟夫。 “利用深度生成模型协调和注释单细胞转录组学数据。” 提交，2019年。[pdf]