单细胞分析实录(16): 非负矩阵分解(NMF)检测细胞异质性

相信做过肿瘤单细胞的小伙伴对这个分析并不陌生，如果多读几篇文献，就能在CNS以及大子刊上面看到这个分析。

非负矩阵分解(Nonnegative Matrix Factorization,NMF)是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。 基本思想：给定一个非负矩阵V, NMF能够找到一个非负矩阵W和一个非负矩阵H, 使得矩阵W和H的乘积近似等于矩阵V中的值。

放在我们单细胞转录组的场景下，就是需要将一个基因×细胞的表达矩阵(V)，分解成基因×表达程序(W)，与表达程序×细胞(H)两个矩阵的乘积。如下图：

在基因×表达程序矩阵中，存放的是每个program中，每个基因的权重，往往根据权重最大的前20/30个基因来确定该program的功能。如果是多个样本，每一个样本均进行以上操作，整合所有样本的基因×表达程序矩阵，还可以画相关性热图，也就是文献中经常出现的那个图。 在表达程序×细胞矩阵中，存放的是每个细胞中，每个program的相对强弱/使用情况。

接下来的内容分为两篇，本篇推文介绍一些文章中用NMF解析肿瘤细胞异质性的例子，下一篇手把手演示一遍NMF分析及作图（将在公众号发布）。

1. 头颈鳞癌

Single-Cell Transcriptomic Analysis