SCTransformPy 这是R包的python端口。 目前,我仅将日志UMI计数用作单个潜在变量(R包中的默认变量)。 我计划允许用户定义自定义回归模型,就像在R实现中一样。 实施说明: 使用statsmodels程序包进行Poisson回归并与multiprocessing并行化。 改进的Sheather&Jones带宽计算由KDEpy包实现。 使用MLE估计theta是从R中的theta.ml函数转换而来的。 皮尔逊残差将自动裁剪为[0, sqrt(N/30)] ,其中N是像元数。 这确保了稀疏结构保留在数据中。 实际上,当允许密集的负值时,结果不会有太大变化。 去做 在