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 Monocle3 于 2019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。
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)
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。