Nano Hash - криптовалюты, майнинг, программирование

Функция FindVariableFeatures в Seurat, вызывающая ошибку в match(x, table, nomatch = 0L): 'match' требует векторных аргументов

Я запускаю Seurat V3 в RStudio и пытаюсь запустить PCA на новом подмножестве объекта. В рамках этого процесса я использую команды:

 tnk.cells <- FindVariableFeatures(tnk.cells, assay = "RNA", selection.method = "vst", nfeatures = 2000)
 tnk.cells <- RunPCA(tnk.cells, verbose = TRUE, npcs = 30, features = FindVariableFeatures(tnk.cells))

Кажется, что первый процесс работает, но я не уверен, действительно ли это так, и если да, то нужно ли мне указывать, что функции во второй команде должны ссылаться на эти функции. В любом случае, каждый раз, когда я пытаюсь запустить вторую команду, она выдает эту ошибку вместе с тремя предупреждающими сообщениями:

 Error in match(x, table, nomatch = 0L) : 
   'match' requires vector arguments
 In addition: Warning messages:
 1: In FindVariableFeatures.Assay(object = assay.data, selection.method = selection.method,  :
   selection.method set to 'vst' but count slot is empty; will use data slot instead
 2: In eval(predvars, data, env) : NaNs produced
 3: In hvf.info$variance.expected[not.const] <- 10^fit$fitted :
    number of items to replace is not a multiple of replacement length

Кто-нибудь знает, почему возникают эти ошибки/предупреждения? Я пытался заставить вывод FindVariableFeatures как вектор и кадр данных, но безрезультатно. Я также хочу спросить: нужно ли мне повторно запускать FindVariableFeatures после подмножества нового набора данных из большего?

18.11.2019

Ответы:


1

Переменные признаки уже сохранены в объекте Seurat. Вы можете получить к ним доступ, используя VariableFeatures() , например:

library(Seurat)
pbmc_small =SCTransform(pbmc_small)
pbmc_small = FindVariableFeatures(pbmc_small,nfeatures=20)
head(VariableFeatures(pbmc_small))
[1] "GNLY"   "PPBP"   "PF4"    "S100A8" "VDAC3"  "CD1C" 

Затем вы можете запустить его следующим образом, хотя по умолчанию он будет использовать переменные функции, хранящиеся в объекте:

pbmc_small <- RunPCA(pbmc_small,features = VariableFeatures(pbmc_small))
25.09.2020
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..