OmicVerse v1.7.0发布：单细胞与空间转录组分析的重大升级-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_01350/article/details/148508571

OmicVerse v1.7.0发布：单细胞与空间转录组分析的重大升级

OmicVerse是一个专注于生物信息学分析的Python工具包，特别针对单细胞RNA测序（scRNA-seq）和空间转录组学（SRT）数据分析提供了强大的支持。最新发布的v1.7.0版本带来了多项重要更新，显著提升了分析效率和功能丰富度。

本次更新的一个重大改进是引入了cpu-gpu-mixed模式，通过GPU加速显著提升了scRNA-seq数据分析的速度。对于大规模单细胞数据集，这一优化可以大幅减少计算时间，使研究人员能够更快地获得分析结果。

新增的lazy函数实现了scRNA-seq分析的全流程自动化，从数据预处理到最终结果输出，大大简化了分析流程。同时新增的generate_scRNA_report和generate_reference_table功能可以自动生成分析报告和参考表，提高了结果的可视化和可重复性。

针对基因集分析，修复了geneset_prepare函数读取特定格式GMT文件的问题。新增的geneset_aucell_tmp等临时函数允许用户测试不同的chunk_size参数，优化大规模数据集的处理效率。

v1.7.0集成了多种前沿分析方法：

空间转录组学模块新增了GASTON方法，可以从空间分辨转录组学数据中学习组织切片的拓扑图。对于STT分析，plot_tensor_single函数新增了super kwargs参数，提供了更灵活的绘图选项。同时，COMMOT分析现在支持GPU加速，显著提升了计算效率。

绘图模块新增了多项实用功能：

批量RNA-seq分析模块新增了limma和edgeR差异表达基因分析方法，为用户提供了更多选择。同时修复了DEseq2分析的版本兼容性问题。

更新了OmicVerse的标志展示方式，通过ov.plot_set函数可以更灵活地控制标志的显示，提升了用户体验的一致性。

OmicVerse v1.7.0的这些更新显著增强了其在单细胞和空间转录组学分析领域的能力，为生物信息学研究人员提供了更强大、更高效的分析工具。无论是处理大规模数据集还是探索复杂的生物学问题，新版本都能提供更好的支持。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考