OmicVerse v1.7.0发布：单细胞与空间转录组分析的重大升级

OmicVerse是一个专注于生物信息学分析的Python工具包，特别针对单细胞RNA测序（scRNA-seq）和空间转录组学（SRT）数据分析提供了强大的支持。最新发布的v1.7.0版本带来了多项重要更新，显著提升了分析效率和功能丰富度。

GPU加速计算提升分析效率

本次更新的一个重大改进是引入了cpu-gpu-mixed模式，通过GPU加速显著提升了scRNA-seq数据分析的速度。对于大规模单细胞数据集，这一优化可以大幅减少计算时间，使研究人员能够更快地获得分析结果。

单细胞分析模块的全面增强

自动化分析流程

新增的lazy函数实现了scRNA-seq分析的全流程自动化，从数据预处理到最终结果输出，大大简化了分析流程。同时新增的generate_scRNA_report和generate_reference_table功能可以自动生成分析报告和参考表，提高了结果的可视化和可重复性。

基因集分析优化

针对基因集分析，修复了geneset_prepare函数读取特定格式GMT文件的问题。新增的geneset_aucell_tmp等临时函数允许用户测试不同的chunk_size参数，优化大规模数据集的处理效率。

新型分析方法集成

v1.7.0集成了多种前沿分析方法：

• milo和scCODA用于分析不同细胞类型的丰度差异
• memento用于分析基因表达差异
• forceatlas2算法用于计算力导向布局
• 改进了recover_counts函数对大矩阵的处理能力

空间转录组学分析新功能

空间转录组学模块新增了GASTON方法，可以从空间分辨转录组学数据中学习组织切片的拓扑图。对于STT分析，plot_tensor_single函数新增了super kwargs参数，提供了更灵活的绘图选项。同时，COMMOT分析现在支持GPU加速，显著提升了计算效率。

可视化功能的扩展

绘图模块新增了多项实用功能：

• dotplot_doublegroup支持在双分组条件下可视化基因表达
• cpdb_interacting_heatmap新增转置参数，可以灵活调整热图方向
• calculate_gene_density提供了基因密度可视化功能

批量分析模块改进

批量RNA-seq分析模块新增了limma和edgeR差异表达基因分析方法，为用户提供了更多选择。同时修复了DEseq2分析的版本兼容性问题。

项目标志与用户体验

更新了OmicVerse的标志展示方式，通过ov.plot_set函数可以更灵活地控制标志的显示，提升了用户体验的一致性。

OmicVerse v1.7.0的这些更新显著增强了其在单细胞和空间转录组学分析领域的能力，为生物信息学研究人员提供了更强大、更高效的分析工具。无论是处理大规模数据集还是探索复杂的生物学问题，新版本都能提供更好的支持。