2024年7月16日，大暑将至，立秋不远。我们基于Python的转录组学全分析框架的文章——"OmicVerse: a framework for bridging and deepening insights across bulk and single-cell sequencing"——正式在Nature Communication[1]上发表了，这是我们课题组第一个里程碑意义的成果，也是我第一篇作为第一作者发表在Nature系列期刊上的文章，对我们的成果感兴趣的朋友可以查看文末的【原文链接】。
OmicVerse组件概览
框架起源
我应该是大二上的时候开始接触生物信息学，那会儿单细胞测序刚刚兴起，生信还是一片蓝海，那会儿你会一个RNA-seq的分析，都能被课题组当成是一个宝贝。我算是半个科班出身，得益于计算机的双学位，我在接触生物信息学的时候，没有遇到太大的门槛，调包-分析，一气呵成。
但是很快我遇到了第一个问题，那就是对R语言的不熟悉，以至于很多依赖出错的时候，我没法去手动修改，并且R语言的语法对C 出身的程序员来说，并不是什么友好的代码规范，我也尝试过tidyverse，但最后还是放弃了。在阅读了转录组分析的统计学模型后，我开始萌生了一个想法：“我为什么不自己用Python复现转录组分析的算法呢？“
Paul Pavlidis, UBC
说时迟那时快，我很快便把ttest，foldchange等统计学模型应用到了RNA-seq上，然后使用matplotlib（Python的绘图包）完成了可视化，然后为了方便，我开始自学Python包制作，我将这些函数，全部封装进了一个包，叫Pyomic。这时候，我也大三了。同时在转录组分析的时候，写了第一个算法ERgene，这是一个快速计算内参基因的算法，这个算法最开始是用来解决蛋白质组中的内参定量的问题，常见的内参有时候在质谱中找不到。得益于我的老师杜宏武的鼓励，我将这个包封装测试后，发表在了Scientific Report上，时至今日，我还是很喜欢这个算法，因为我在做benchmark的时候，在电脑装了windows7的虚拟机运行excel2003来跑一些古老的算法。
我的成绩还可以，拿到了我们学校的保研资格，于是到处去面试，跟老师们交流，印象比较深的有两件事：
- 第一件是在北京大学面试的时候发生的，当时可能觉得MIT协议很好，于是Pyomic的协议也是MIT。在面试的时候，高歌老师直接指出了这个问题，问了我两遍，Pyomic的算法都是自己写的吗？我当时引入了一个外部dynamicTree的模块，这是WGCNA的核心算法，但我觉得我整个分析都是自己实现的，于是就被diss了，问我为啥把别人GPL的协议给继承成了MIT。自此，我对著作权，有了一个更清晰的认识。
- 第二件是在中山大学面试的时候发生的，当时有个PI问我，你觉得Pyomic有什么意义吗？就是复现别人的算法？时至今日，这个问题有了一个很好的答案，我们为Python分析转录组学奠定了一个分析标准，统一了各类接口，这是一个很值得做的事情。
OmicVerse的正式提出
OmicVerse这个名字，是在2023年4月份的时候，也就是我博一的时候确定的。当时我在处理单细胞转录组的数据，遇到了两个让我很烦躁的问题：”包安装的依赖冲突“和”不同包的输入输出差异极大“，这两件事严重拖低了我的分析效率，我便在想，我能否统一这些算法，使其安装不报错，输入只需要一种格式就好了。于是，我便开始研究算法们背后的输入和输出。然后写着写着，就封装了大量的算法，因为顺手，所以这些算法都是扔进了Pyomic这个包中进行实现。
受到scvi-tools的启发，这是一个用于单细胞测序的深度学习模型框架，我就想弄一个更全面的基于Python的单细胞测序分析框架。Pyomic感觉这个名字，并不能准确反映我想做的事，在几经查阅英文命名后，有一天晚上散步的时候，看着天上的星星，突然想到，为啥我不用“Verse”结尾呢？于是便有了OmicVerse，一个月的时间，便把所有算法封装好，并且撰写按Brief Communication的形式撰写好了手稿。
OmicVerse的logo
但还没开始投，投稿前总是需要问一问的。于是，我就分别给Nature Biotechnology和Nature Method的编辑写信，问了一下他们对这篇稿件的兴趣，叫做投稿前预询问，然后Method的编辑很高兴，让我们投过去，但是Biotechnology的编辑就差没把”Rubbish“两字写邮件里了。我确实是不死心的，死也要死的明白点，想问一下我到底缺了什么，后面在我的再三恳切地询问后，她告诉我说，没有biological insight。有时候，灵感就是一瞬间的事儿，我既然分别封装了Bulk RNA-seq和single cell RNA-seq，这缺一个桥梁算法啊！不过一查，Bulk2single有人做过了，single2bulk就更不用说。不过有趣的是，我在此前开发了一个轨迹推断的算法，这个算法在一些数据集上效果怎么都差，我就在想，我可以使用Bulk来插补轨迹呀！于是，这就是BulkTrajBlend的雏形，后面做了一系列工作来完善，这是后话了。
于是我就兴高采烈地，投到了Nature Method的投稿系统，然后。。。一个月的等待，给我拒了，让我转NC，我也不能说什么，NC就NC吧，毕竟我博士期间还没论文呢。后来今年3月份的时候，我看见了Method上发了tidyomics，我始终没想明白，OmicVerse比这个算法差在哪里了？
不同方法的对比
OmicVerse的壮大
此前似乎是询问问题，我加了Python生物人的公众号的作者，在OmicVerse投出去之前我先挂了预印本，然后想试试推广，看看广大用户对于OmicVerse的反馈如何，于是便拜托Python生物人写了一篇推送，并且带上”清华大学“的tag，但似乎受众寥寥。
我觉得，不应该啊，我这个框架这么好用！于是，就拜托健明老师，在”技能树“上发文。但令我意外的是，健明老师特别喜欢这个框架，给了我大大的鼓励，并且着重宣传了一下Python，国产，全面等字眼，然后还成立了社群，自此，OmicVerse便开始被人所知晓，但是没文章，大家可能更多持一个观望的态度。以至于，到2024年4月，才有了第一个引用。
此外，我觉得，一个好用的算法，而且还是框架，不配置全面的教程怎么可以。所以我的用户文档，写的非常非常详细，这也是受一些算法写的不详细的迫害所养成的习惯，你写的越详细，就越方便他人，大家也就更愿意去使用。
我觉得我做的最明智的一件事，那就是撰写了单细胞分析最好的教程——中文版，该教程脱胎于febain组的单细胞最佳实践，但是，我在原教程的基础上，加上了大量我自己的理解以及新算法，同时新算法使用OmicVerse作为统一接口，还开发了大量漂亮的可视化函数，用户也因此，慢慢变多了。我觉得互联网开源的精神食粮，是用户们的正反馈，用爱发电，大家开心，我也就有动力去迭代下一个版本，目前经过一年，已经1.6.4了。
