BiocAsia 2022 会议记录

Bioconductor在上周四、五举行了年度的亚洲会议 BiocAsia2022，有幸拿到填邮箱送票活动的一张免费的门票（在此感谢），有空的时候听了一些报告，对于其中感觉不错的，自我觉得有一些价值的截图记录了一下，做个备份，也分享给感兴趣的读者。

一、Cytocipher - detection of significantly different cell populations in scRNA-seq

做单细胞的越来越多了，不懂相关技术的我感觉有点掉队了，有机会还是得学习下搞搞相关课题。

• https://github.com/BradBalderson/Cytocipher

工具 Cytocipher 提供了计算单细胞差异分析的工具流，特别用于研究的细胞簇在基因表达方面彼此之间有显著差异。

二、scFeatures - Multi-view representations of single-cell and spatial data for disease outcome prediction

• https://github.com/SydneyBioX/scFeatures

工具 scFeatures 为疾病结果关联的单细胞和空间组学数据提供了统一的多维度表示和分析，其实主要就是构造一个结构对象来存储这些数据。图看起来很不错，具体使用起来怎么要就看时间证明吧。

三、ClassifyR - Performance evaluation for multi-view data sets and seamless integration with MultiAssayExperiment and Bioconductor

• https://github.com/DarioS/ClassifyR

ClassifyR 听起来好像已经出现很久了，但之前没接触过。简单说，就是基于 Bioconductor 的数据对象建立了一个系统的机器学习框架，可以方便地进行机器学习。从我仅有的信息看，对初学者应该比较友好方便，大可以一试。后面我有机会也会用一用，如果有进一步的信息再做分享。

四、Matilda - Multi-task learning from single-cell multimodal omics

• https://github.com/liuchunlei0430/Matilda

Matilda 是一个 Python 实现的机器学习工具，提供了一些模块还辅助对单细胞多模态数据进行多任务机器学习。

五、ProteomeRiver - 蛋白组学差异分析

• https://bitbucket.org/cmri-bioinformatics/proteomeriver/src/dev/

蛋白和磷酸化组学差异分析的计算好像一直都是一个问题，希望这个流程工具的出现带去一些帮助吧。

六、RUV 算法与 TCGA 的批次效应

• https://github.com/CMRI-ProCan/RUV-III-C

有时候观测到的肿瘤异质性并不来自于生物学差异、生物学上的异质性，而是来自于数据本身采样的异质性——批次效应。RUV 算法提供了一种高效的转录组批次效应去除算法，对 TCGA 上万例肿瘤进行了处理。目前也实现了单细胞的更快版本，支持更多的数据类型，值得关注下。特别是从展示出来的性能图来看，它超过了已知的众多批次效应处理算法，研究内容已发布至少两篇 NBT。

• RUV通过伪样本策略进行批次效应的发现和去除

• 比较有意思的是，他们发现原始数据没有差异的，可能实际有差异；原始数据有差异的，可能实际没有差异；这些结果会影响生物学知识的发现，比如生存预后的评估。

• 单细胞优化的数据类型支持。

• 应用发现展示算法的优越性。

七、CRISPR Web Analyser

谷歌了半天没找到对应的代码仓库或者在线地址。有读者看到可以发我更新下。讲者信息是：

在搜索过程中发现一个做 crispr 分析的R包生态，这个在必要时应该是相当有用的：

• https://github.com/crisprVerse

结语

这次会议虽然不在中国，我也没有全程听讲，但在观看的报告中看到很多华人女性的身影声音，真的很给力！希望更多的人参与开源工具的开发和生信生态社区的建设。无基建，大厦何立？