比較不同的對單細胞轉錄組數據聚類的方法

背景介紹

聚類之前必須要對表達矩陣進行normalization，而且要去除一些批次效應等外部因素。通過對表達矩陣的聚類，可以把細胞群體分成不同的狀態，解釋為什麼會有不同的群體。不過從計算的角度來說，聚類還是蠻複雜的，各個細胞並沒有預先標記好，而且也沒辦法事先知道可以聚多少類。尤其是在單細胞轉錄組數據裡面有很高的噪音，基因非常多，意味著的維度很高。

對這樣的高維數據，需要首先進行降維，可以選擇PCA或者t-SNE方法。聚類的話，一般都是無監督聚類方法，比如：hierarchical clustering, k-means clustering and graph-based clustering。演算法略微有一點複雜，略過吧。

這裡主要比較6個常見的單細胞轉錄組數據的聚類包：

• SINCERA

• pcaReduce

• SC3

• tSNE + k-means

• SEURAT

• SNN-Cliq

所以需要安裝並且載入一些包,安裝代碼如下；

載入代碼如下：

載入測試數據

這裡選取的是數據，載入了這個scater包的SCESet對象，包含著一個23730 features, 301 samples 的表達矩陣。

供11已知的種細胞類型，這樣聚類的時候就可以跟這個已知信息做對比，看看聚類效果如何。

可以直接用plotPCA來簡單PCA並且可視化。

可以看到簡單的PCA也是可以區分部分細胞類型的，只不過在某些細胞相似性很高的群體區分力度不夠，所以需要開發新的演算法來解決這個聚類的問題。

SC聚類

很明顯可以看到SC3聚類的效果要好於普通的PCA

pcaReduce

tSNE + kmeans

scater包包裝了 Rtsne 和 ggplot2 來做tSNE並且可視化。

SNN-Cliq

這個有一點難用，算了吧。

SINCERA

至少是在這個數據集上面表現不咋地

SEURAT

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！