basic_inference

# 使用 Arboreto 进行基础 GRN 推理 ## 输入数据要求 Arboreto 要求基因表达数据采用以下两种格式之一： ### Pandas DataFrame (推荐) - **行**：观测值（细胞、样本、条件） - **列**：基因（以基因名称作为列标题） - **格式**：数值型表达值 示例： python import pandas as pd # 加载以基因为列的表达矩阵 expression_matrix = pd.read_csv('expression_data.tsv', sep='t') # 列: ['gene1', 'gene2', 'gene3', ...] # 行: 观测数据 ### NumPy 数组 - **形状**：(观测值, 基因) - **要求**：单独提供与列顺序匹配的基因名称列表 示例： python import numpy as np expression_matrix = np.genfromtxt('expression_data.tsv', delimiter='t', skip_header=1) with open('expression_data.tsv') as f: gene_names = [gene.strip() for gene in f.readline().split('t')] assert expression_matrix.shape[1] == len(gene_names) ## 转录因子 (TFs) 可选择提供转录因子名称列表以限制调控推理： python from arboreto.utils import load_tf_names # 从文件加载（每行一个 TF） tf_names = load_tf_names('transcription_factors.txt') # 或直接定义 tf_names = ['TF1', 'TF2', 'TF3'] 如果不提供，所有基因都被视为潜在的调节因子。 ## 基础推理工作流 ### 使用 Pandas DataFrame python import pandas as pd from arboreto.utils import load_tf_names from arboreto.algo import grnboost2 if __name__ == '__main__': # 加载表达数据 expression_matrix = pd.read_csv('expression_data.tsv', sep='t') # 加载转录因子（可选） tf_names = load_tf_names('tf_list.txt') # 运行 GRN 推理 network = grnboost2( expression_data=expression_matrix, tf_names=tf_names # 可选 ) # 保存结果 network.to_csv('network_output.tsv', sep='t', index=False, header=False) **关键点**：必须使用 `if __name__ == '__main__':` 保护，因为 Dask 会在内部生成新进程。 ### 使用 NumPy 数组 python import numpy as np from arboreto.algo import grnboost2 if __name__ == '__main__': # 加载表达矩阵 expression_matrix = np.genfromtxt('expression_data.tsv', delimiter='t', skip_header=1) # 从标题提取基因名称 with open('expression_data.tsv') as f: gene_names = [gene.strip() for gene in f.readline().split('t')] # 验证维度匹配