一些多组学整合的R包

通用集成多组学数据集包

MOFA2

包含一系列用于训练和分析多组因子分析 （MOFA） 的工具。MOFA是一种概率因子模型，旨在从可以包含多个组学层和/或样本组的数据集中识别变异的主轴。有关样品的其他时间或空间信息可以使用MEFISTO框架进行合并，该框架是MOFA2的一部分。下游分析功能可用于检查每个因素的分子特征、可视化、插补等。

mixOmics

为生物数据集的探索和整合提供了广泛的多变量方法，特别关注变量选择。该软件包提出了我们开发的几个稀疏多变量模型，用于识别高度相关的关键变量，和/或解释感兴趣的生物学结果。

通路分析

ActivePathways： 结合 p 值以获得丰富的通路和过程。
ICDS：基于多种组学的整合来识别癌症中功能失调的通路。

探索性整合分析

• O2PLSDA：提供执行O2PLS-DA的功能，用于多组学数据整合。
• CovCombR：可以通过基于协方差的方法组合异构数据集。
• PMA：提出了稀疏的典型相关分析来整合多个组学数据集。
• CovCombR 和 packMBPLSDA 包含其他方法，通过基于协方差的方法（第二种基于 PLS-DA）组合异构数据集。
• MOSS： 提供了一种基于稀疏 SVD 的多组学集成方法。
• SEMMCMC：提供了一种基于结构方程建模（SEM）的组学集成方法。
• IMIX：使用高斯混合物进行多组学数据集成。
• solvebio：与SolveBio API结合，SolveBio API 是一个面向组学数据集成的生物医学知识中心。
• IntLIM：使用线性建模集成了两个组学。
• dnet：从不同的角度进行整合，包括与分子网络的整合，使用本体的富集等。
• desiR： 提供了对基因、蛋白质和代谢物数据进行排序、选择和整合的功能。

聚类

• PINSPlus：实现了一种用于组学数据集成的鲁棒聚类方法
• LUCIDus：包括一种基于ML的集成聚类方法
• RHclust：提出了一种基于k-means的多组学聚类方法。

可视化

• OmicNavigator：组学数据的可视化。
• Wilson：一个基于 Web 的工具，以交互式方式可视化多组学数据。
• MOVICS：是一个用于多组学数据分析和集成的R包。它提供了一套工具和函数，可帮助研究人员处理和分析不同生物样本中的多组学数据，如基因表达数据、蛋白质组学数据、DNA甲基化数据和基因突变数据等。
• TCGAplot：一个用于TCGA多组学数据的泛癌分析和可视化R包。
• MultiAssayExperiment：Bioconductor中的一个多组学实验的整合软件包。
• Visual Omics：基于web的 omics 数据分析和可视化平台，具有丰富的图形调整功能。
• OmicsSuite：用于多组学大数据分析和可视化的定制流水线套件。

作者：小野，曾跟随米源老师从事多组学研究。

参考来源：https://cran.r-project.org/web/views/Omics.html