SC3

sc3: consensus clustering of single-cell rna-seq data

SC3主要步骤：
（1）Gene filter：过滤掉rare genes 和 普遍存在的genes。
（2）Distance calculations：分别用Euclidean, Pearson and Spearman metrics构建距离矩阵。实验发现dropout对距离的计算没有影响。（1x3个矩阵）
（3）Transformations：分别用PCA和计算相关图拉普拉斯变换的特征向量进行transformation，并按特征值升序排序。（3x2个矩阵）
（4）k-means：对前d个特向量进行k-means聚类。
（5）Consensus clustering：用the cluster-based similarity partitioning algorithm (CSPA)计算consensus矩阵。每个聚类结果，生成binary相似矩阵，两个cell属于相同簇则相似性为1，否则为0。平均所有的相似性矩阵作为consensus matrix