云生信学生物信息学

Monocle3大型任务教程:按降维、分区与图学习记录资源

作者:发布于 2026-11-20更新于 2026-11-15约 9 分钟阅读
Monocle3大型任务教程:按降维、分区与图学习记录资源

Monocle3大型任务教程:按降维、分区与图学习记录资源:核对计数和根细胞;逐阶段保存并计时;检查分区图及伪时间;按峰值选择资源
本文操作与检查路径示意。

Monocle3大任务卡住时,先找出是预处理、降维、聚类还是图学习,而不是统一调高线程。本文使用普通内存型稀疏计数CDS,逐步保存对象和耗时。细胞范围应属于要研究的生物过程,已完成质量控制;不为减少内存把互不相关的群体随意拼接,或无记录删去关键过渡细胞。

准备可复核的输入与根细胞

输入 必需内容 验收重点
counts.rds 基因乘细胞dgCMatrix原始计数 基因与细胞唯一名称
cell_metadata.rds 行名为细胞ID的数据框 与矩阵细胞集合完全一致
gene_metadata.rds 行名为基因ID,含gene_short_name 与计数基因一致
roots.txt 一行一个根细胞ID 由时间、标记等生物依据预先选择

根细胞不是为了让图看起来连续而随便选的最左端点。多个分区代表不同图结构,每个需要解释的连通部分都应有合理起点;缺少起点可能产生无限伪时间。若实验需要批次校正,先制定并验证align_cds方案,本例不自动删除批次效应,不能把省略校正当成资源优化。

把每一步保存为独立检查点

library(monocle3)
library(SingleCellExperiment)
z <- readRDS("counts.rds")
cm <- readRDS("cell_metadata.rds"); gm <- readRDS("gene_metadata.rds")
roots <- readLines("roots.txt");roots <- roots[nzchar(roots)]
stopifnot(is(z,"dgCMatrix"),is.data.frame(cm),is.data.frame(gm),
 !is.null(rownames(z)),!is.null(colnames(z)),
 !anyNA(rownames(z)),!anyNA(colnames(z)),
 !anyDuplicated(rownames(z)),!anyDuplicated(colnames(z)),
 setequal(rownames(cm),colnames(z)),setequal(rownames(gm),rownames(z)),
 "gene_short_name" %in% names(gm),all(is.finite(z@x)),all(z@x>=0),
 length(roots)>0,all(roots %in% colnames(z)),
 !file.exists("trajectory-output"),dir.create("trajectory-output"))
cds <- new_cell_data_set(z,cell_metadata=cm[colnames(z),,drop=FALSE],
 gene_metadata=gm[rownames(z),,drop=FALSE])
stage <- function(name,fn) {
 set.seed(2026)
 timing <- system.time({cds <<- fn(cds)})
 saveRDS(cds,file.path("trajectory-output",paste0(name,".rds")))
 write.table(data.frame(stage=name,as.list(unclass(timing)),check.names=FALSE),file="trajectory-output/timing.tsv",
   sep="\t",row.names=FALSE,col.names=!file.exists("trajectory-output/timing.tsv"),
   append=file.exists("trajectory-output/timing.tsv"),quote=FALSE)
 cat(name,"object_bytes",as.numeric(object.size(cds)),"\n")
}
stage("01-preprocess",function(x) preprocess_cds(x,num_dim=50))
stage("02-umap",function(x) reduce_dimension(x,reduction_method="UMAP",
 umap.fast_sgd=FALSE,cores=1))
stage("03-clusters",function(x) cluster_cells(x,reduction_method="UMAP",random_seed=2026))
part <- partitions(cds)
write.csv(data.frame(cell=names(part),partition=as.character(part)),
 "trajectory-output/partitions.csv",row.names=FALSE)
stage("04-graph",function(x) learn_graph(x,use_partition=TRUE))
stage("05-order",function(x) order_cells(x,root_cells=roots))
pt <- pseudotime(cds)
write.csv(data.frame(cell=names(pt),pseudotime=as.numeric(pt),finite=is.finite(pt)),
 "trajectory-output/pseudotime.csv",row.names=FALSE)
saveRDS(list(roots=roots,seed=2026),"trajectory-output/settings.rds")
writeLines(capture.output(sessionInfo()),"trajectory-output/session.txt")
/usr/bin/time -v -o trajectory.time.txt Rscript trajectory.R > trajectory.log 2>&1

保存为trajectory.R。50维和单核UMAP是演示协议,需先确认数据维度与分析方案;维度、邻居、分区和图学习设置均可能影响结果。代码只在对应步骤成功后写RDS,计时表记录计算部分,保存耗时包含在整次GNU Time中。对象字节数不是峰值RSS,也不能表示工作盘需求。

怎样恢复与判断结果

失败时保留最后成功的阶段RDS和日志。在新目录读取该对象,核对输入校验值、版本及方法参数,显式从下一步骤继续,并标明这是局部重启。不要把02-umap对象当成已有图的对象直接排序;没有完成分区和图学习,order_cells所需状态就不完整。

官方轨迹教程推荐使用UMAP并按分区学习轨迹。验收时查看分区、图形和根细胞分布,逐细胞检查finite列。无限伪时间不能填零,也不应靠强行关闭分区获得连续曲线;先查根与连通性,再讨论这些细胞是否属于同一过程。伪时间不是实际小时数或因果证据。

资源记录要覆盖中间对象

按阶段记录耗时、对象尺寸、采样内存和保存文件量。新检查点会增加工作盘,保存时也可能有临时开销;同一输入的完整运行与局部重启时间应分开比较。内存型对象可用此RDS方式,但含磁盘后端计数或外部索引的CDS,应按该版本专用保存加载接口打包,不能只复制一个RDS。

只有细胞范围和方法合理后,必要阶段仍有实测RAM缺口,才考虑更大内存。若主要耗时在CPU或I/O,增加RAM未必有效;并发多个轨迹任务前还要测总峰值。固定种子与单核设置有助复核,但跨版本的数值与图结构仍应重新验收。

检查点不等于结果批准

重新加载阶段对象后先检查细胞顺序、降维是否存在以及当前阶段状态。可读取并继续计算只证明对象结构可用,轨迹是否符合研究问题仍需查看图、根和标记趋势。

需要额外算力时

适用前提:方法和细胞范围合适,必要计算步骤仍有明确内存缺口。如需额外资源,可评估大内存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

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。

参考与版本核对

按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗