【文献简报】-深度学习在单细胞RNAseq分析中实现精确的聚类并

作者: 六博说 | 来源:发表于2020-07-29 13:32 被阅读0次

【文献简报】-深度学习在单细胞RNAseq分析中实现精确的聚类并
9.单细胞 RNA-seq：聚类分析
论文阅读“Structural Deep Clustering
10xGenomics单细胞转录组亚群细分策略
Clustree算法，让单细胞聚类结果更有生物学意义
scanpy不同cluster及细胞类型合并
单细胞转录组数据分析|| scanpy教程：使用ingest和B
单细胞转录组数据分析|| scanpy教程：可视化套件
celltalker：单细胞转录组配受体分析
单细胞数据用Harmony算法进行批次矫正

单细胞分析的主要问题存在较明显的批次效应，影响聚类效果，深度学习方法，逐渐可以应用到单细胞分析领域。
单细胞RNA测序（scRNA-seq）可以通过无监督的聚类来表征细胞类型和状态，但是不断增加的细胞数量和批次效应给计算带来了挑战。我们提出了DESC，这是一种无监督的深度嵌入算法，通过迭代优化聚类目标函数来对scRNA-seq数据进行聚类。通过迭代的自我学习，DESC会逐渐消除批次效应，只要批次之间的技术差异小于真实的生物学差异即可。作为一种软聚类算法，DESC的聚类分配概率在生物学上可以解释，并且可以揭示细胞的离散和伪时态结构。全面的评估表明，DESC可以在群集精度和稳定性之间取得适当的平衡，并且占用的内存很小，不需要显式要求批处理信息即可去除批处理效果，并且可以在可用时利用GPU。随着单细胞研究规模的不断扩大，我们相信DESC将为生物医学研究人员提供一个有价值的工具，以消除复杂的细胞异质性。