
RNA velocity“很慢”可能发生在BAM生成剪接计数、邻域与moments、逐基因动力学拟合或velocity graph。先区分这些阶段,再比较资源。普通表达矩阵没有unspliced信息,不能靠给同一个矩阵改层名补出速度输入;上游计数工具和参考注释也必须纳入记录。
确认输入合同后再运行
下例从已检查的velocity-ready.h5ad开始:细胞与基因标识唯一,spliced和unspliced层对应同一集合,已按既定方法完成过滤与归一化,X可用于PCA的表达表示。原始计数另存,避免重复归一化。若起点是原始计数,先按当前版本预处理文档准备,不能跳过。
| 阶段 | 输入与主要输出 | 验收关注点 |
|---|---|---|
| 计数准备 | FASTQ/BAM与注释→剪接计数层 | 来源、条形码、基因与链特异规则 |
| moments | 表达与邻域→Ms和Mu | 细胞集合、邻域及表示是否合理 |
| recover_dynamics | 矩阵与moments→拟合参数 | 模型收敛、可拟合基因与警告 |
| velocity与graph | 拟合结果→速度和转换图 | 有限数值、覆盖与方法适用性 |
保存为可重复运行的阶段脚本
将代码保存为velocity_one.py,使用已安装且互相兼容的scVelo和AnnData。维度、邻居数与模型只是示例协议,应按研究设计验证。脚本接收输入、全新输出目录和拟合worker数;先用单worker诊断,再比较并行。
import argparse, csv, time
from pathlib import Path
import anndata as ad
import scvelo as scv
p = argparse.ArgumentParser()
p.add_argument("input"); p.add_argument("out"); p.add_argument("jobs", type=int)
a = p.parse_args()
assert a.jobs >= 1
out = Path(a.out); out.mkdir(parents=True, exist_ok=False)
x = ad.read_h5ad(a.input)
assert x.obs_names.is_unique and x.var_names.is_unique
assert {"spliced", "unspliced"} <= set(x.layers)
assert all(x.layers[k].shape == x.shape for k in ("spliced", "unspliced"))
assert x.n_obs > 50 and x.n_vars > 50
print("scvelo", scv.__version__, "shape", x.shape, flush=True)
with (out/"stages.csv").open("w", newline="") as f:
w = csv.writer(f); w.writerow(["stage", "seconds"])
def stage(name, fn):
start = time.perf_counter(); fn()
w.writerow([name, time.perf_counter()-start]); f.flush()
stage("moments", lambda: scv.pp.moments(x, n_pcs=30, n_neighbors=30))
x.write_h5ad(out/"moments.h5ad")
stage("fit", lambda: scv.tl.recover_dynamics(x, n_jobs=a.jobs))
x.write_h5ad(out/"fitted.h5ad")
stage("velocity", lambda: scv.tl.velocity(x, mode="dynamical"))
stage("graph", lambda: scv.tl.velocity_graph(x, n_jobs=a.jobs))
assert "velocity" in x.layers and "velocity_graph" in x.uns
x.write_h5ad(out/"velocity.h5ad")
/usr/bin/time -v -o S01.time.txt python velocity_one.py velocity-ready.h5ad S01-run1 1 > S01.out.log 2> S01.err.log
试跑前另外保存每个样本的细胞数、基因数、剪接计数生成工具、参考版本和预处理参数。层的尺寸一致只能检查结构,不能证明值的含义正确;应核对原始条形码与基因映射,并抽查spliced与unspliced的来源。样本合并后重名或错位时,先修映射,再运行模型。
若使用已有PCA或邻域,需要确认它们正是当前细胞和特征集合的计算结果。换过细胞、特征或表示后,应重新构建相应节点,不能为了省时间继续用旧图。计时协议也要注明是否重建邻域,避免把不同计算范围当作硬件比较。
从记录定位瓶颈
stages.csv记录各函数墙钟时间,整段GNU Time还覆盖读入和保存;二者不应直接当同一个指标。若计数准备慢,回看上游比对或定量日志;若moments内存上升,官方说明Ms和Mu是稠密矩阵,输入稀疏不代表该阶段仍稀疏。只看压缩h5ad大小会低估工作集。
拟合慢时,先查看实际参与拟合的基因与警告,再改变n_jobs。减少基因、细胞或改用stochastic模型会改变任务范围与假设,必须另建试验组。更多worker可能增加内存和进程开销,不能把总核心数直接填满。
错误处理和结果验收
缺少层、尺寸不一致或重复标识时停止,先回到计数与合并步骤修复。拟合失败或没有可靠velocity genes时,检查数据与模型适配,不能靠扩大服务器强行产生可信方向。阶段文件只有写完且重新读取检查通过,才可作为恢复节点。
检查输出细胞与必要基因、拟合参数和速度层,结合已知状态、相图和实验背景判断。嵌入上的箭头不是独立的因果或谱系证据。确认科学检查通过后,才用被测输入、版本和阶段峰值规划正式环境。
参考资料
需要额外算力时
适用前提:已有合适输入与明确方法,批量计算超过本地资源。如需额外资源,可评估按任务测算的CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。
咨询本任务的服务器配置
留下手机号,我们会结合本文任务与您沟通服务器配置和报价。 也可联系云生信企业微信客服,说明本文任务。咨询本任务的服务器配置
