복잡한 Multi-Omics 데이터 세트의 비지도 데이터 탐색을 위한 MOFA 실행

5개의 열, 샘플 ID, 유형, 데이터 세트, 변수 및 값을 포함하는 처리되고 조정된 입력 데이터로 시작합니다. 이 데이터는 MOFA 모델에 사용됩니다. 그런 다음 Jupyter Lab으로 이동하여 폴더 기호를 클릭합니다.

MOFA workflow(워크플로)를 두 번 클릭한 다음 scripts(스크립트)와 configurations(구성)를 클릭합니다. 파일을 03_MOFA_Configuration.csv 엽니다. MOFA 모델에서 추정할 요인의 수를 입력하고 파일의 값을 조정하여 대기 및 스케일링을 적용해야 하는지 여부를 정의합니다.

파일을 선택하고 상단 메뉴에서 CSV 파일을 저장하여 변경 사항을 저장하십시오. 왼쪽의 탐색 메뉴를 사용하여 스크립트를 클릭하여 스크립트 폴더로 이동합니다. 그런 다음 03_Run_MOFAipynb 노트북을 엽니다.

상단의 Restart Kernel and run all cells 버튼을 클릭하여 스크립트를 실행한 다음 팝업에서 restart를 클릭합니다. 03_figures 폴더로 이동하려면 그림을 두 번 클릭한 다음 03_figures. 생성된 플롯 Figure03_Overview_Variance_Decomposition MOFA 결과 이름을 열고 모델 결과를 검토합니다.

왼쪽의 탐색 메뉴로 이동합니다. 폴더 기호를 클릭한 다음 입력 데이터를 두 번 클릭하여 입력 데이터 폴더로 이동합니다. 준비된 것을 드래그 앤 드롭합니다.

생성된 요인 파일과 관련하여 분석할 샘플의 모든 메타데이터를 포함하는 csv를 입력 데이터 폴더에 넣습니다. 폴더 기호를 클릭합니다. 그런 다음 mofa_workflow 두 번 클릭한 다음 스크립트 및 구성을 두 번 클릭하여 구성 폴더로 다시 이동합니다.

파일 04_Factor_Analysis_csv 엽니다. 숫자 변량 열에서 MOFA 요인과 관련하여 조사할 준비된 샘플 메타데이터 CSV 파일의 모든 숫자 열 이름을 쉼표로 구분하여 추가합니다. 범주형 공변량 열에서 MOFA 요인과 관련하여 조사할 준비된 샘플 메타데이터 CSV 파일에 있는 모든 범주형 열의 이름을 쉼표로 구분하여 추가합니다.

상단 메뉴에서 파일 및 CSV 파일 저장을 선택하여 변경 사항을 저장합니다. 그런 다음 스크립트를 클릭하여 스크립트 폴더로 이동합니다. 노트북 04_Downstream_Factor_Analysis_ipynb 두 번 클릭하여 엽니다.

스크립트를 실행하려면 상단의 Restart Kernel and run all sales 버튼을 클릭한 다음 팝업에서 다시 시작을 클릭합니다. 왼쪽의 탐색 메뉴를 사용하여 그림을 두 번 클릭하여 04_figures 폴더로 이동한 다음 04_figures. 생성된 플롯을 열려면 플롯을 두 번 클릭하고 흥미로운 패턴과 연관성에 대한 요인을 조사하십시오.