单细胞聚类方法大比拼(II
) 上回介绍了KNN等几个常见的聚类算法,可惜它们在处理单细胞转录组这种超大数据集的效果都不是特别好。本节的主角是17年发表在Nature Method Single-cell Consensus Clustering——简称SC3聚类。顾名思义,这是专门为单细胞测序技术开发的一个聚类方法。官网介绍它的原文是“SC3 achieves high accuracy and robustness by consistently integrating different clustering solutions through a consensus approach”。那么我们来看看SC3到底有没有宣传中的那么神奇。 首先介绍下SC3的大致原理,SC3的开发者认为在单细胞聚类时选择最佳的参数值是困难和费时的。为了避免这个问题,SC3使用了一种并行化方法,即同时并行计算参数空间的一个重要子集以获得一组聚类的结果。然后SC3将所有并行的不同聚类的结果组合为一个一致性矩阵(consensus matrix),并统计每个细胞位于同一类群中的频率。通过将一致性矩阵再次进行层次聚类,得到SC3提供的最终结果。通俗地说,SC3相当用不同的参数做了很多次聚类,然后再统计每次聚类的结果,决定细胞的最终分类结果。优点是避免了不合理的聚类参数对结果的影响,缺点也很明显——就是计算量十分滴惊人(土豪请无视)
cytoscape使用方法_单细胞聚类方法大比拼(II)
最新推荐文章于 2024-05-02 18:41:52 发布