运行 MOFA 对复杂的多组学数据集进行无监督数据探索

从处理和协调的输入数据开始，其中包含五列：样本 ID、类型、数据集、变量和值。此数据将用于 MOFA 模型。然后，转到 Jupyter Lab 并单击文件夹符号。

双击 MOFA 工作流，然后单击脚本和配置。03_MOFA_Configuration.csv打开文件。输入要在 MOFA 模型中估计的因子数，并调整文件中的值以定义是否应应用等待和缩放。

从顶部菜单中选择 file 并保存 CSV file 以保存更改。使用左侧的导航菜单，单击 scripts 导航到 scripts 文件夹。然后，打开 notebook 03_Run_MOFAipynb。

单击顶部的 Restart Kernel and run all cells 按钮运行脚本，然后单击弹出窗口中的重新启动。要导航到 03_figures 文件夹，请双击 figures，然后 03_figures。打开生成的Figure03_Overview_Variance_Decomposition MOFA 结果名称的绘图，然后检查模型结果。

转到左侧的导航菜单。单击文件夹符号，然后双击 input data 以导航到 input data 文件夹。拖放准备好的。

CSV 包含要分析的样本的所有元数据，并与生成的因子文件相关联，并放入 Input Data 文件夹中。单击文件夹符号。然后，双击 mofa_workflow，然后双击 scripts 和 configurations 以导航回配置文件夹。

打开 file 04_Factor_Analysis_csv。在数值变量列中，添加准备好的示例元数据 CSV 文件中的所有数值列的名称，该文件将根据 MOFA 因子进行调查，以逗号分隔。在分类协变量列中，添加准备好的示例元数据 CSV 文件中的所有分类列的名称，该文件将与 MOFA 因子相关进行调查，以逗号分隔。

通过选择 文件 和 保存 CSV 文件 从顶部的菜单中。接下来，单击 scripts 导航到 scripts 文件夹。双击笔记本04_Downstream_Factor_Analysis_ipynb将其打开。

要运行该脚本，请单击顶部的 Restart Kernel and run all sales 按钮，然后单击弹出窗口中的 restart。使用左侧的导航菜单，双击 figures（图）然后04_figures导航到 04_figures 文件夹。要打开生成的绘图，请双击它们并调查相关模式和关联的因素。