bioFAM/MOFA2

Multi-Omics Factor Analysis

解決する課題

マルチオミクスデータセットの教師なし統合のための一般的なフレームワークを提供し、研究者が異なる生物学的データタイプ間のパターンを発見できるようにします。

仕組み

MOFA は因子分析モデルを使用して、複数のデータセットを教師なし方式で統合し、異なるオミクスレイヤー間の分散を説明する共通のパターン（因子）を特定します。

対象者

マルチオミクスデータセットの統合と分析が必要なバイオインフォマティシャンおよび生物学研究者。

ハイライト

  • マルチオミクスデータの教師なし統合。
  • 因子分析の一般的なフレームワーク。
  • Bioconductor を介して R パッケージとして利用可能であり、Python 実装 (mofapy2) もあります。

関連

  • プロジェクト
    omicverse/omicverse

    OmicVerseは、バッチRNA-Seq、シングルセル、空間トランスクリプトミクス解析を統合するPythonライブラリです。数十の確立されたバイオインフォマティクスツールをバンドルし、anndata/mudataデータ構造を標準化し、AI支援エージェント（J.A.R.V.I.S.）とMCPサーバーを追加して、自然言語コマンドやLLM統合でパイプラインを実行可能にします。オプション拡張により合成生物学モデリングとGPU加速分子動力学ワークフローも提供します。

  • プロジェクト
    scverse/spatialdata

    ユニモーダルおよびマルチモーダル空間オミクスデータセットの処理と分析に向けたユニバーサルなデータフレームワークおよびシリアル化形式。

  • プロジェクト
    welch-lab/liger

    LIGERは、統合的非負値行列分解を用いて、複数の単細胞データセットを統合・分析し、共有因子とデータセット固有の因子を同定するためのパッケージです。

  • Dispatch
    OFA: オールインワンモデルの構築に向けて

    OFAは、指示ベースのマルチタスク事前学習を用いて、異なるモダリティ間の理解タスクと生成タスクを単一のフレームワークに統合した統合マルチモーダル事前学習モデルです。

  • プロジェクト
    biocypher/biocypher

    生命科学における知識グラフの作成と維持のためのフレームワークで、AIおよび分析に向けた多様な生物学的データの統合を簡素化します。