Identification of cell types from single cell data using stable clustering

https://doi.org/10.1038/s41598-020-66848-3

• 一句話概括：
• 本文發(fā)明了一種新的clustering的pipeline來對單細胞數(shù)據(jù)進行聚類，通過比較發(fā)現(xiàn)這種聚類方式比之前常用的幾種聚類方式比如SC3、SEURAT等都要穩(wěn)定，其聚類效果也更接近實際細胞分類

1.Pipeline原理和算法介紹

*文章中描述的新的pipeline的workflow

workflow.png

1.1 Input&Gene filtering (A)

• Input : 輸入的數(shù)據(jù)結(jié)構(gòu)為單細胞的基因表達矩陣，行為基因，列為細胞
• Gene filtering : 去除掉在所有細胞中都沒有表達的基因
• 輸出 : 仍然為單細胞的基因表達矩陣，行為基因，列為細胞，此輸出將作為下一步的輸入

1.2 Measuring the dissimilarity between the cells (B)

• 計算細胞之間的不相似性（相似性），其實就是計算所有細胞之間的歐式距離；得到的矩陣行為細胞，列也為細胞，其中的元素為細胞之間的歐式距離
• 輸入 : 上一步得到的基因表達矩陣
• 算法 : Euclidean Metric/Euclidean Distance (歐幾里得度量/歐幾里得距離)，具體算法見文末
• 輸出 : 輸出為行為細胞列為細胞的矩陣，其中的元素是細胞之間的歐式距離

1.3 Clustering (C)

• 此步的目的是對以上得到的細胞間歐式距離的矩陣進行降維，并找到對于此數(shù)據(jù)集最佳的聚類個數(shù)(K)

• 過程
• 1. 將以上的歐式距離矩陣進行t-SNE降維，得到一個 細胞數(shù)X2 的矩陣，這個過程重復(fù)50次，以下步驟(2，3，4)是對于每一次的結(jié)果而言
• 2. 對得到的降維矩陣進行K-means聚類，其中K的范圍為2到20；即進行19次聚類，其中參數(shù)K分別為2到20
• 3. 以上得到的19次聚類結(jié)果，分別計算其Average silhouette值
• 4. 在以上19個Average silhouette值中選出最大值，并得到這個最大值對應(yīng)的K值

• 5. 由于以上步驟(2，3，4)一共進行了50次，故得到50個K值，取這50個K值的平均值，并對其進行四舍五入，得到的數(shù)值即為以下使用的最佳K值

     
     
     Clustering.png

• 輸入 : 細胞間歐式距離矩陣
• 算法 : t-SNE，K-means，Average silhouette method
• 輸出 : 最佳K值；t-SNE降維結(jié)果(細胞數(shù)X2矩陣)，具體選取哪次的結(jié)果文中未提及，推測可以選取任意一次的結(jié)果

1.4 Identifying the most stable clustering (D)

• 用以上的到的K值和t-SNE降維矩陣進行聚類，得到最穩(wěn)定的聚類結(jié)果
• 輸入 : 上一步得到的最佳K值和t-SNE降維矩陣
• 算法 : K-means，Jaccard coefficient

• 過程
• 1. 用以上的到的K值和t-SNE降維矩陣進行n次K-means聚類，以下步驟（2，3，4）都是針對其中的每次聚類而言的
• 2. 對t-SNE矩陣進行m次重新取樣，具體方式為去掉其中5%的樣本并用噪聲數(shù)據(jù)點代替
• 3. 對以上的到的m個新的t-SNE降維矩陣分別進行K-means聚類，共得到m個新的聚類，每個聚類中有k個cluster
• 4.1 計算原始聚類中每個cluster的Stability score；用原始聚類中的一個cluster與m個新聚類中的每一個進行如下計算：此cluster與某個新聚類結(jié)果中的每一個cluster做Jaccard coefficient計算，取其中的最大值；此最大值便為此cluster與此新聚類結(jié)果中最相似cluster的相似度；如果此Jaccard coefficient >= 0.75，則說此原始cluster在此次比對中是穩(wěn)定的
• 4.2 計算原始聚類中每個cluster的Stability score；對于原始聚類中的每一個cluster，以上Jaccard coefficient計算一共計算m次，假設(shè)其中穩(wěn)定的比對為q次，則說此原始聚類中此cluster的Stability score為q/m
• 4.3 計算原始聚類的總體Stability score；原始聚類的Stability score等于此聚類中所有cluster的Stability score的平均數(shù)

• 5. 按上述步驟（2，3，4）一共得到n個原始聚類的總體Stability score，選擇總體Stability score最高的那個聚類作為最終的最穩(wěn)定聚類

     
     
     1-5.png
     
     
     4.png

2.其中用到的具體算法

2.1 Euclidean Metric/Euclidean Distance

2.2 t-SNE

2.3 K-means

2.4 Average silhouette method

2.5 Jaccard coefficient