4.ArchR的降维-聚类（3）

愿武艺晴小朋友一定得每天都开心 

---

从Fragements文件到和greenleaf比较相似的UMAP图形就长这样了。放过自己了，具体过程如下：

那就先去学习学习ArchR 理论知识（属于个人的理解分类和总结）

1）ArchR 在peak 注释（peak 注释不等于Peak calling,而是包含Peak calling）上采用Bin/window的方式；理解为：把基因组切割成不重叠的固定长度区间（通常是5kb）;其中ArchR中Bin的长度默认为500bp得到TileMatrix矩阵,这种小的Bin能够更精确地检测到TF的结合位点或位置范围（300-500bp）;我感觉：能做到500bp 的bin且对硬件需求大众化，运行也良好，得益于greenleaf团队采用的Arrow文件方法。

2)ArchR 采用两阶段的方法进行Peak Calling:1)先用bin长度（默认为500bp）得到的TileMatrix矩阵（Bin-cell）矩阵并作聚类，2）然后把得到的每一个类中所有的Read汇总起来（PeakMatrix）做Peak Calling.这里ArchR采用了MACS2的方法

接着上一篇；就要针对PeakMatrix进行参数的调整了：

从跟作者像的角度，我们发现varFeatures =6800 ，是比较合适的

从跟作者像的角度，我们发现resolution =0.84/0.85/0.86/0.87都是比较合适的

从跟作者一致的角度，我们发现dimsToUse =50 是比较合适的一个

从跟作者一致的角度，我们发现Seurat::dimsToUse 对UMAP的降维无影响

最后综合以上的摸索，感觉还行吧，放过自己了：

作者show出的Marker基因的情况：

最后最后，恳请走过路过的朋友们留下您们宝贵的意见。争取一起努力把ArchR学会至精通。

我写博客的初衷是发现，scATAC-seq的中文资源和教程相比scRNA-seq少的可怜。既然我开始学了，为了以后大家少走些弯路，那就写把。毕竟网络是大家最好的老师，当是一起学习了。