1.在看imputation的样例代码
测试损失是怎么得出来的呢？将X输入进模型，并且预测出了X'，那么此时就可以根据loss函数来计算了，包括重建的概率损失，以及隐空间变量和库大小变量的KL散度。
那么imputation它是如何进行的呢？查看代码后我发现了，首先从数据集中加载已经扰乱过的数据：
# zero masked matrix
# corrupted data：
通过扰乱数据训练模型，并且测试数据使用的是原始数据：
# start a new fresh model on a corrupted training set：
在train_model类中，训练是通过扰乱数据，
其中评估imputed数据是：
这样输入的预测X_zero对应的数据，并且传入原始数据exp_train，以此来计算出填充错误。
我认为是对rate_和exp_train对应的i,j行计算imputed损失。
总之，先使用X_zero训练模型，并给出X_zero的结果，再和原始数据计算L1距离的中值作为损失。
#但是还是难以接受，直接拟合分布，就算数据出现插补也是OK的？难以接受。但是补充不都是以当前数据去补充当前数据吗，没问题的。
2.对cortex的数据集的sv同样进行了分析，发现是一样的道理。
对扰乱数据建立模型，之后会得到扰乱数据的VAE结果，因为之前使用了扰乱数据训练，所以会自动进行填充，然后和原始数据计算error。
3.np.nonzero的例子
import numpy as np x=np.array([1,2,3,0,12,14]).reshape(2,3) print(x) print(np.nonzero(x)) #输出： [[ 1 2 3] [ 0 12 14]] (array([0, 0, 0, 1, 1], dtype=int64), array([0, 1, 2, 1, 2], dtype=int64))
这里输出是两个list，分别指示行和列，一 一对应的关系。
要注意得到的两个list长度是相同的，就是非0元素的个数。
#反应过来之后，感觉真是厉害。
#我还以为输出的直接是(i,j)这样子的。
4.高斯核密度估计
https://blog.csdn.net/unixtch/article/details/78556499 （待看）
5.负对数似然
https://blog.csdn.net/silver1225/article/details/88914652 （待看）
6.np.random.choice
https://blog.csdn.net/qfpkzheng/article/details/79061601
以概率P选择n个。
7.接下来看差异表达分析！
假设检验什么的我最不明白了。
差异表达分析应该是对不同的细胞类型来说的吧？这篇文章的意思是直接对表达矩阵建模？？？
不的，是对不同的细胞类型找出DE基因的。
尝试理解这两个假设检验的例子：
fw函数是计算每个cell中细胞的表达占比，是通过softmax层输出的，那这里fgw是针对其中一个gene，
#那这里的s是对当前cell所标识的batch，还是对所有的batch呢？我目前认为是前者。但是后者也有可能，是它忽略了batch，因为就算不同的batch也有可能是相同的cell类型。
如果对所有batch来说，当前gene的均值在当前细胞类型za中 大于 另一cell类型，那么就接受原假设，当前g是差异表达基因，反之如果≤就不是？？？
Es是根据经验频率得出的。
#明白了一点，它不需要校正细胞的批次，而是对Es这样求期望，就忽略批次，而能够得出差异表达的gene。
8.转录组差异表达分析
https://www.jianshu.com/p/5f94ae79f298似乎也没什么用。
但是这本书讲的也太抽象了。
10.贝叶斯假设检验
https://blog.csdn.net/jackxu8/article/details/70332331
下载了《贝叶斯统计》的教材，看了一下贝叶斯假设检验的例子。
贝叶斯假设检验的总体步骤：
总之要计算原假设的后验概率和备择假设的后验概率，然后求二者之商。
11.对后验积分的理解
左边是原假设的后验概率，右边是对所有批次的类别细胞，za和zb应该是两个不同的cluster的，首先对于一个za，
p(s)是每个批次中的细胞相对丰度。#目前还对这个公式啥意思完全不明白。
对每一个基因g和细胞对(za,zb)，观测到的基因表达为(xa,xb)并且批ID为(sa,sb)。
12.搜索关键字“贝叶斯检验 差异表达”，结果不佳。
13.通过在给的实验说明中，理解了一点：
从训练有素的VAE模型中，我们可以采样每个细胞中每个基因的基因表达率。 然后，对于两个感兴趣的种群，我们可以从每个种群中随机抽取一对细胞，以比较它们在一个基因中的表达率。 差异表达的程度通过logit（p /（1-p））进行度量，其中p是种群A中的细胞表达高于种群B中的细胞的概率。我们可以形成DE值的零分布 通过从组合人口中随机抽取配对。
上面所说的p就是原假设H1。
再看basic教程，讲解如何确定DE基因，首先选定感兴趣的细胞类型。