首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >monocle2报错修改源码,提供修改后的安装包

monocle2报错修改源码,提供修改后的安装包

原创
作者头像
生信探索
修改2025-03-14 21:01:16
修改2025-03-14 21:01:16
5600
举报

Monocle2 于 2017年 正式发表于《Nature Methods》(论文标题:"The dynamics and regulators of cell fate decisions are revealed by pseudotemporal ordering of single cells"),因其基于反向图嵌入(Reversed Graph Embedding)的算法和清晰的轨迹推断逻辑,成为单细胞轨迹分析的主流工具。而 Monocle32019年 发布(预印本于2020年公开),在算法上进行了全面升级,改用基于UMAP的降维和图形学习(Graph Learning)框架,支持更复杂的轨迹拓扑结构(如多分支、树状轨迹),并增强了对大规模数据集的兼容性。

两者核心差异

  1. 算法逻辑:Monocle2 强调“线性”或简单分支的伪时间排序,适合明确的发育轨迹;Monocle3 允许更灵活的非线性轨迹建模,适合复杂分化路径。
  2. 可视化:Monocle3 依赖UMAP可视化,与当前单细胞分析主流流程(如Seurat)更兼容;Monocle2 则基于DDRTree降维。
  3. 功能扩展:Monocle3 新增细胞聚类、差异基因模块分析等功能,但部分功能(如细胞类型注释)仍依赖外部工具。

为何更多人仍用Monocle2?

  1. 稳定性与可解释性:Monocle2 算法成熟,结果易于解释,适合经典发育研究;而Monocle3 的复杂模型可能导致轨迹“过度拟合”或难以生物学验证。
  2. 学习成本与兼容性:Monocle3 的API与Monocle2差异较大,需重新学习,且早期版本存在文档不完善和运行错误问题,导致用户回流。官网显示还是测试阶段不稳定。
  1. 领域惯性:许多已发表研究基于Monocle2,新方法需时间验证;且Monocle3 在部分场景(如简单线性轨迹)并未显著优于Monocle2。

不过,随着Monocle3文档的完善和算法优化(如对大规模数据的高效处理),其在复杂疾病或器官图谱等领域的应用逐渐增加,长期可能取代Monocle2成为新标准。

Monocle2最新版本发布在2024年3月,因此如果现在搭建一个新的单细胞分析环境,安装Monocle2后使用是会报错的,主要的报错来自依赖的igraph包的更新,因此这里我们可以把Monocle2调用igraph的函数替换成最新的,比如

****

报错:nei()函数改成.nei()

报错:dfs()函数的参数neimode改为mode

警告:dplyr::select_改为dplyr::select

如果还有新的报错,我会更新monocle2的安装包,可以使用以下代码安装,安装包可以加我进群获取(18983376561)

代码语言:R
复制
install.packages('remotes')
remotes::install_local('monocle_2.34.0.tgz')

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 两者核心差异
  • 为何更多人仍用Monocle2?
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档