cytoscape使用方法_单细胞聚类方法大比拼(II)

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)

接下来是