本文是參考學習CNS圖表復現(xiàn)04—單細胞聚類分群的resolution參數(shù)問題的學習筆記?？赡芨鶕?jù)學習情況有所改動。

這個resolution參數(shù)到底應該是選擇多少呢？難道這個步驟沒有一個絕對的標準嗎？

我之前給大家舉例是使用balloonplot這個可視化函數(shù)，代碼如下：

>`library(gplots)
tab.1=table(sce@meta.data$RNA_snn_res.0.2,sce@meta.data$RNA_snn_res.0.8) 
balloonplot(tab.1)

就可以很直觀的看到，我們把resolution參數(shù)分別賦值為0.2和0.8的效果，如下：

圖片

0.2和0.8的效果對比</figcaption>

很明顯，這個resolution越小呢，我們得到的分群數(shù)量就越少，所以0.2的時候是17個群，但是0.8的時候是31個群。

而且我們根據(jù)balloonplot的可視化，可以看到，在0.2的時候的17個群里面的有一些群，會隨著resolution的調(diào)高，繼續(xù)裂變成為多個群。

有意思的是，我恰好在你要的rmarkdown文獻圖表復現(xiàn)全套代碼來了（單細胞） 看到了一個更好的可視化方法：

# Check clustering stability at given resolution  
# Set different resolutions 
res.used <- seq(0.1,1,by=0.2)
res.used
# Loop over and perform clustering of different resolutions 
for(i in res.used){
  sce <- FindClusters(object = sce, verbose = T, resolution = res.used)
}
# Make plot 
library(clustree)
clus.tree.out <- clustree(sce) +
  theme(legend.position = "bottom") + 
  scale_color_brewer(palette = "Set1") +
  scale_edge_color_continuous(low = "grey80", high = "red")

clus.tree.out` </pre>

就是借用clustree包，可視化如下：

圖片

可以非常清晰的看到，隨著resolution的調(diào)高，具體是哪些群在不停地繼續(xù)裂變成為多個群。

但是呢，就是resolution設置多少，難道說沒有一個絕對的指標嗎？

我這里只能說，確實沒有，不僅僅是resolution參數(shù)，生物信息學數(shù)據(jù)分析過程中，就比如這個單細胞吧，質(zhì)控的時候去除多少個質(zhì)量差的細胞去除多少基因，選擇高變基因數(shù)量多少，PCA降維后選擇多少個PC，基本上每個步驟都是可以靈活調(diào)整的。

這就是，數(shù)據(jù)分析的魅力吧。