不确定性量化

CASSIA 中的不确定性量化通过多次分析迭代和相似性评分来评估注释可靠性。这个过程对以下方面至关重要：

• 识别稳健的细胞类型分配
• 检测混合或模糊的聚类
• 量化注释置信度
• 理解预测的不稳定程度

多次迭代分析

基本用法

先使用CASSIA_batch_n_times运行多次分析，然后使用CASSIA_similarity_score_batch计算相似性评分，并且得到最终的注释结果。

# 运行多次分析
runCASSIA_batch_n_times(
    # 核心参数
    n = 5, #迭代次数
    marker = marker_data,
    output_name = "my_annottaion_repeat",
    
    # 模型设置
    model = "gpt-4o",
    provider = "openai",
    
    # 上下文信息
    tissue = "brain",
    species = "human",
    additional_info = NULL,


    # 处理控制
    max_workers = 4,        # 每批次的工作线程数
    batch_max_workers = 2   # 指定多少个批次同时运行
)

⚠️ 成本警告：使用 LLM 模型运行多次迭代可能会产生显著成本。每次迭代都会发出单独的 API 调用，因此总成本将大约是单次运行成本的 n 倍。考虑先从较小的迭代次数开始进行测试。

参数详情

1. 迭代控制:

   • n: 分析迭代次数
   • 推荐：标准分析使用 5 次迭代
   • 对于关键应用可以考虑更多迭代

2. 资源管理:

   • max_workers: 整体并行处理限制
   • batch_max_workers: 每次迭代的工作线程数
   • max_workers * batch_max_workers 应与您的核心数匹配。

相似性评分计算

运行相似性分析

# 计算相似性评分
runCASSIA_similarity_score_batch(
    # 输入参数
    marker = marker_data,
    file_pattern = "my_annottaion_repeat_*_full.csv", # 需要匹配的文件模式
    output_name = "similarity_results",
    
    
    # 处理参数
    max_workers = 4,
    model = "anthropic/claude-3.5-sonnet",
    provider = "openrouter",
    
    # 评分权重
    main_weight = 0.5, # 主细胞类型匹配的权重
    sub_weight = 0.5  # 亚型匹配的权重
)

计算相似性评分的参数解释

1. 权重配置:

   • main_weight: 主细胞类型匹配的重要性（0-1）
   • sub_weight: 亚型匹配的重要性（0-1）
   • 权重总和应为 1.0

2. 文件管理:

   • file_pattern: 匹配迭代结果的模式
   • 使用 * 匹配迭代编号
   • 示例：如果您有 "my_annottaion_repeat_1_full.csv"、"my_annottaion_repeat_2_full.csv" 和 "my_annottaion_repeat_3_full.csv"，使用 "my_annottaion_repeat_*_full.csv" 匹配模式。

输出解释

1. 相似性评分:
   • 范围：0（完全不同）到 1（完全相同）
   • 解释指南：
     • 0.9：极高一致性
     • 0.75-0.9：中高一致性
     • <0.75：低一致性

故障排除

1. 性能问题:

   • 减少工作线程数
   • 以更小的批次处理

2. 低相似性评分:

   • 审查标记基因质量
   • 使用注释增强功能
   • 审查聚类异质性
   • 增加迭代次数
   • 尝试亚聚类
   • 考虑加强质量控制