本文总结了单细胞测序数据的降维方法，包括PCA、t-SNE、UMAP等，以及特征选择策略。同时，介绍了细胞亚型鉴定的聚类方法，如监督和非监督方法，探讨了各类方法的优缺点。对于数据处理和分析，建议选择最新发表且高质量的软件。
图1、细胞亚型的鉴定及分析（Stegle et al. NATURE REVIEWS | GENETICS, 2015）
随着单细胞测序技术的发展，每个研究或实验中测定的细胞数量在显著增加。现在很多单细胞研究中，少则产生几百，多则产生几十万的细胞数量，甚至更多。其中，细胞亚型（cell subtype or cell subpopulations）的鉴定是单细胞测序技术一个非常重要的基础应用。但由于单细胞测序数据通常涉及到很多细胞，而每个细胞中的基因数量又可能是几万个，所以，单细胞测序数据是一个高维的复杂数据。
图2、基于单细胞测序数据的细胞亚型鉴定方法总结（Andrews and Hemberg, 2018, Mol. Aspects Med.）
最低0.47元/天 解锁文章
扫一扫
281
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
