
给Signac选内存,要同时记录细胞数、峰数、非零数与实际步骤。相同细胞数可能因为共同峰集合不同而产生完全不同的矩阵;LSI、邻居图、整合与峰相关分析的资源也不一样。下面建立固定输入的TF-IDF加SVD基线,再把未测步骤单独列出。
把分析范围写进预算表
| 组成 | 本项目填写 | 测量边界 |
|---|---|---|
| 原始counts | 峰____;细胞____;非零数____ | 不由压缩RDS反推内存 |
| 标准化与特征选择 | 方法____;峰集合____ | 不为省资源暗改峰集 |
| SVD及低维表示 | 计算维度____;完成峰值____ | 不代表邻居图与整合已测 |
| fragments与结果 | 路径____;大小____ | 磁盘依赖和写出空间另算 |
| 同时任务 | 活跃任务____;总额度____ | 包含worker和其他会话 |
如果二十万峰乘十万细胞被转成双精度稠密矩阵,纯元素载荷约149 GiB;这个演算不是最低内存,也没有包含原对象和临时结果。稀疏表示依赖非零数及索引,而低维表示又有不同规模。先核对真正会分配什么,比只按细胞数找固定套餐更可靠。
在独立进程测固定步骤
保存为lsi_pilot.R,参数为已经质控的atac.rds和新的检查结果路径。本例限定Signac 1.17.x的Seurat对象,含内存型peaks ChromatinAssay和单counts层;不在脚本内替研究者删细胞或删零行。零计数细胞或峰应先按质量规则处理并保留依据。
library(Signac)
library(Seurat)
library(SeuratObject)
args <- commandArgs(trailingOnly=TRUE)
stopifnot(length(args)==2L, !file.exists(args[2]))
obj <- readRDS(args[1])
stopifnot(inherits(obj[["peaks"]],"ChromatinAssay"))
DefaultAssay(obj) <- "peaks"
check_counts <- function(x) {
m <- LayerData(x, assay="peaks", layer="counts")
stopifnot(inherits(m,"sparseMatrix"),
all(Matrix::colSums(m)>0), all(Matrix::rowSums(m)>0))
}
check_counts(obj)
n <- min(30L,nrow(obj[["peaks"]])-1L,ncol(obj[["peaks"]])-1L)
stopifnot(n>=2L)
set.seed(2026)
timing <- system.time({
obj <- RunTFIDF(obj)
obj <- FindTopFeatures(obj, min.cutoff="q0")
obj <- RunSVD(obj, n=n, reduction.name="lsi.pilot")
})
embedding <- Embeddings(obj,"lsi.pilot")
stopifnot(nrow(embedding)==ncol(obj[["peaks"]]), all(is.finite(embedding)))
saveRDS(list(dimensions=dim(obj[["peaks"]]), lsi=embedding,
selected_features=VariableFeatures(obj), timing=timing,
version=sessionInfo()), args[2])
/usr/bin/time -v -o lsi-resources.txt \
Rscript --vanilla lsi_pilot.R atac.rds new-lsi-check.rds \
> lsi-stdout.txt 2> lsi-stderr.txt
status=$?
printf '%s\n' "$status" > lsi-exit.txt
test "$status" -eq 0
30维和随机种子仅为演示设置。q0按当前官方工作流使用全部特征,不是新的质量阈值;若正式方案选择其他特征范围,应固定后另测。R内计时只包前处理和SVD,GNU time包含载入及检查文件写出,两种时间分开解释。
输出验收与后续步骤分开
确认退出码为零、检查RDS可读、输入峰和细胞维度符合原对象、LSI嵌入行数匹配且无非有限值。维度通过仍不代表生物学解释正确,应按需要检查深度相关性;第一维常可能反映测序深度,但不能在每个数据集都不检查就机械删除。
本例只写出小型检查结果,不保存全部Seurat对象,因此还没测全对象保存峰值。继续需要邻居图、UMAP、样本整合或链接峰与基因时,分别增加代表任务,并将每一步输入与峰值填回预算表。不要用本篇LSI成功承诺整条流程都能完成。
多人并发时要测任务范围的聚合内存,不相加各进程不同时刻的最高RSS当同时峰值。磁盘也需容纳片段、对象、检查点与新结果共存。保持最终方法不变,在有证据的CPU、内存和工作盘需求下比较候选环境;数据或峰集变化后重新验证。
细胞数与峰数相同,非零数仍可能随片段深度和峰集合而变化。代表性试跑应覆盖这些差异,不能只选最小最浅的样本,再为所有正式数据作保证。保存每个样本的实际矩阵尺寸和稀疏结构,也便于识别错误合并造成的异常规模。
TF-IDF后原counts仍可能与新的标准化层共存,完成SVD不会自动移除这些对象。估算时还要考虑临时结果和并发会话,不能只看LSI低维表很小就判断整个对象几乎不占内存。
参考资料
需要额外算力时
适用前提:合理过滤与稀疏处理后仍不能运行。如需额外资源,可评估大内存独享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
