Liger项目v2.2.0版本发布：突破单细胞多组学分析的内存限制

Liger项目v2.2.0版本发布：突破单细胞多组学分析的内存限制

liger 项目地址: https://gitcode.com/gh_mirrors/lig/liger

项目简介

Liger是一个专注于单细胞多组学数据分析的开源工具包，由MacoskoLab开发维护。该项目通过整合非负矩阵分解（iNMF）等先进算法，为研究人员提供了处理单细胞RNA测序（scRNA-seq）、单细胞ATAC测序（scATAC-seq）等多组学数据的强大工具。最新发布的v2.2.0版本在计算效率、内存优化和功能完善方面实现了重大突破。

核心创新：突破性的磁盘高效iNMF算法

v2.2.0版本最引人注目的创新是实现了高效的磁盘iNMF算法，这一突破性进展解决了单细胞分析中长期存在的大规模数据处理难题：

1. 百万级细胞分析能力：新算法可以轻松处理百万级别的单细胞数据，将分析规模提升了一个数量级
2. 内存需求革命性降低：仅需笔记本电脑级别的内存配置即可完成分析，大幅降低了硬件门槛
3. 计算效率保持：磁盘操作优化的同时，计算时间仅比内存版本略有增加，保持了较高的效率

这一技术的实现依赖于精心设计的磁盘数据结构和高效的I/O调度策略，使得大规模单细胞分析不再需要昂贵的高性能计算集群。

数据加载优化

新版本对数据加载模块进行了全面增强：

1. 10X H5格式支持：原生支持10X Genomics的标准H5文件格式，简化了数据处理流程
2. H5AD格式兼容：增加了对H5AD格式的支持，方便与Scanpy等工具的互操作
3. 灵活存储选项：
   • 传统dgCMatrix内存存储模式
   • 基于DelayedArray的磁盘存储模式，为大规模分析提供支持

这些改进使得从原始数据到分析结果的流程更加顺畅，减少了中间格式转换的麻烦。

分析功能增强

高变基因选择新策略

新增的selectBatchHVG()函数实现了另一种高变基因（HVG）选择策略，该算法源自SCIB项目，具有以下特点：

• 考虑批次效应的同时选择信息量最大的基因
• 提高了跨数据集整合的准确性
• 为下游分析提供更可靠的基因特征集

K值建议功能回归

重新引入了suggestK()函数，采用全新的方法论帮助用户：

• 自动评估数据集的最优分解维度
• 提供更可靠的因子数建议
• 减少参数选择的盲目性

功能富集分析优化

对runGOEnrich()功能进行了重要改进：

• 明确了最佳工作流程，减少用户困惑
• 新增fold enrichment指标，提供更丰富的生物学解释
• 优化结果展示，便于结果解读和可视化

重要问题修复

在线iNMF算法修正

修复了在线iNMF场景2中的重要bug，该问题可能导致：

• 增量学习时模型收敛异常
• 跨批次整合结果偏差
• 因子解释性降低

修复后，在线学习流程更加稳定可靠。

ATAC分析专项优化

针对单细胞ATAC-seq数据分析进行了多项改进：

1. Wilcoxon检验修正：

   • 修复了使用ATAC峰计数时的检验bug
   • 提高了差异可及性分析的准确性

2. 基因坐标解析：

   • 修正了从BED文件解析基因坐标时的错误
   • 优化了解析速度，处理大型文件更高效

3. 峰解析性能提升：

   • 重构了peak处理算法
   • 显著提高了大规模ATAC数据预处理速度

技术影响与应用前景

Liger v2.2.0的发布标志着单细胞多组学分析工具在可扩展性方面迈出了重要一步。通过突破内存限制，该版本使得：

• 普通实验室也能处理超大规模单细胞数据集
• 多组学整合分析流程更加流畅
• ATAC-seq数据分析更加准确高效

这些改进将特别有利于以下研究方向：

• 器官发育和细胞分化的多组学研究
• 疾病异质性的深入探索
• 跨模态的细胞状态解析

随着单细胞技术向着更高通量发展，Liger提供的这种内存高效解决方案将变得越来越重要，为单细胞多组学研究的普及和深入提供了强有力的技术支持。

liger 项目地址: https://gitcode.com/gh_mirrors/lig/liger