rna聚类分析_单细胞聚类分析之resolution选择

rna聚类分析_单细胞聚类分析之resolution选择_第1张图片

05967e2ee8df0a6265adf4ee285af7a7.gif

年末促销倒计时:50天

百迈客推出年末活动促销,发文有礼、推广有礼以及多种产品钜惠来袭,百迈客为您倾情打造科研福利,您还在等什么?快快行动起来领取您的超级奖励吧!(详情请见“决战2020!品类全,力度大,仅此一次!”)

396b1c59facc0e4fed29985e93621181.png

单细胞亚群鉴定过程中 resolution 参数至关重要。resolution 参数不同,细胞聚类得到的亚群数目也会有所不同。那么,不同参数下细胞 cluster 之间的转换关系是怎样的呢?我们又该怎么选择 resolution?目前对于 resolution 参数的选择还没有一个明确的指标,但是我们可以通过不同的形式展现不同 resolution 下细胞亚群之间的转换关系。

不同 resolution 的桑基图展示

桑基图是一种数据分流图,每列表示一种分组,每个线条代表一种数据流,边的宽度越宽表示数据流越大。通过桑基图我们可以直接比较不同cluster分群之间的转换关系,即有多少细胞是在不同resolution参数得到的亚群中所共有的。

> ggplot(plot.data,
+        aes(y = freq,
+            axis1 = res0.1,
+            axis2 = res0.2,
+            axis3 = res0.4,
+            axis4 = res0.6,
+            axis5 = res0.8,
+            axis6 = res1,
+            axis7 = res1.2,)) +
+     scale_x_discrete(limits = c("res0.1", "res0.2", "res0.4", "res0.6", "res0.8", "res1", "res1.2"))+
+     geom_alluvium(aes(fill = res1.2), width= 1/12, show.legend = TRUE) +
+     scale_colour_gradientn(colours=rainbow(17),guide = "colourbar") + 
+     theme(legend.title = element_blank())+ 
+     geom_stratum() + geom_text(stat = "stratum", aes(label = after_stat(stratum))) + theme_bw()

(向左滑动查看更多)

rna聚类分析_单细胞聚类分析之resolution选择_第2张图片

不同 resolution 的树状图展示 下面,我们将选择不同的 resolution 值,使用R包 clustree 可视化不同 resolution 下细胞分群情况。代码如下:
> library(clustree)
> merged.seurat <- FindClusters(merged.seurat, resolution = 0.1)
> merged.seurat <- FindClusters(merged.seurat, resolution = 0.2)
> merged.seurat <- FindClusters(merged.seurat, resolution = 0.4)
> merged.seurat <- FindClusters(merged.seurat, resolution = 0.6)
> merged.seurat <- FindClusters(merged.seurat, resolution = 0.8)
> merged.seurat <- FindClusters(merged.seurat, resolution = 1)
> merged.seurat <- FindClusters(merged.seurat, resolution = 1.2)
> clustree(merged.seurat)

(向左滑动查看更多)

rna聚类分析_单细胞聚类分析之resolution选择_第3张图片

上图不同的颜色表示不同的 resolution ,点越大表示亚群中包含的细胞数目越多。我们只知道随着 resolution 值越来越大,分的亚群的也来越多,但是通上图,我们可以观察到随着resolution 增大,具体是哪些细胞亚群发生了变化。例如当 resolution = 0.2时,原来的cluster1 分裂为cluster1和cluster7,原来的cluster2分裂为cluster3和cluster6,原来的cluster3分裂为cluster2和cluster6。相信今天的分享让老师知道单细胞聚类分析resolution选择的价值,如果您想了解更多实用关于单细胞生信分析的知识,快来与我们取得联系吧,百迈客医学生信工程师团队为您竭诚服务!还有年末活动促销各种大奖等您来拿,欢迎各位老师致电锤询!

tips:联系我们的后台可以获得对应的画图数据以及代码哟~ 百迈客是国内首批引进10x Genomics单细胞测序平台,使用Chromium系统采用先进的微流控、油滴包裹和barcode标记等技术实现一次性分离、高效标记捕获;同时具有10x Genomics+Illumina/
ONT(nanopore)双平台,实现单细胞转录组和全长转录组检测;已经具有大量单细胞分离捕获,极低量RNA反转录扩增建库成功经验;提供单细胞分离捕获、反转录建库、测序、标准分析和高级分析全套单细胞转录组测序服务;强大的生信团队不仅提供基本分析,还提供细胞分化轨迹分析等多种高级分析;资深单细胞技术人员为您提供专业的课题方案设计,为您量身订造专属个性化分析。百迈客医学科研服务事业部,是您值得信任和托付的团队,我们将竭诚为您服务,期待与各位老师在今后的日子携手合作,相信百迈客出品,必是精品。

文:peach

排版:市场部

推荐阅读:

百迈客,决战2020!品类全,力度大,仅此一次!

Circulation 单细胞测序揭示多种器官内皮细胞转录图谱

Circulation  单细胞测序提供心肌梗死治疗新方向

Nature Protocols | 风口浪尖-抓住空间转录组技术的机遇

Science Advances | 使用空间转录组构建小鼠的大脑图谱

单细胞测序-解析阿尔兹海默症文章解读

三维的PCA分析-让您的文章C位出道

rna聚类分析_单细胞聚类分析之resolution选择_第4张图片

你可能感兴趣的:(rna聚类分析)