neural-admixture：基于AI的快速基因组聚类

news2024/9/21 18:42:08

最近学习祖源分析方面的内容，发现已经有了GPU版的软件，可以几十倍地加快运算速度，推荐使用！小数据集的话家用显卡即可hold住，十分给力！
ADMIXTURE 是常用的群体遗传学分析工具，可以估计个体的祖先成分。使用neural-admixture 可以将一个月的连续计算时间缩短到几个小时。多头方法允许神经 ADMIXTURE 通过在单个集群中计算多个集群数来进一步加速
在一次运行中计算多个集群数。此外
模型可以存储，从而可以在线性时间内对新数据执行集群分配，而无需共享数据。
无需共享训练样本

发表在NCS上的论文，nature子刊，应该足够权威的。

软件简介

Neural ADMIXTURE 是一种基于 ADMIXTURE 的无监督全局祖先推理技术。通过使用神经网络，Neural ADMIXTURE 提供高质量的祖先分配，运行时间比 ADMIX 快得多。

该软件可以通过 CLI 调用，并且具有与 ADMIXTURE 类似的界面（例如，输出格式完全可互换）。虽然该软件在 CPU 和 GPU 中运行，但我们建议使用 GPU（如果可用）以利用基于神经网络的实现。

系统要求

硬件要求

成功使用此软件包需要一台具有足够 RAM 的计算机，以便能够处理网络设计为使用的大型数据集。因此，我们建议尽可能使用计算集群，以避免内存问题。

软件要求

该软件包已在 Linux（CentOS 7.9.2009、Ubuntu 18.04.5 LTS）和 MacOS（BigSur 11.2.3、Intel 和 Monterey 12.3.1、M1）上进行了测试。如果使用 GPU，请确保正确安装了 CUDA 驱动程序，如果已经装好了CUDA会自动安装GPU版本。

亲测建议使用conda创建新的 Python 3.9 环境，然后在其中安装软件包。例如，对于，应启动以下命令：

conda create -n nadmenv python=python3.9 
conda activate nadmenv
pip install neural-admixture

用法

运行 Neural ADMIXTURE

要从头开始训练模型，只需从项目的根目录调用以下命令即可。
有监督训练：

neural-admixture train --k K --supervised --populations_path POPS_PATH --name RUN_NAME --data_path DATA_PATH --save_dir SAVE_PATH 
# only single-head support at the moment

运行时间竟然不线性增长，很平的一条线。

软件的模型架构，总体看分为编码器和解码器，分为单头和多头两种。