Scientific Reports- Identification of cell types from single cell data using stable clustering

Identification of cell types from single cell data using stable clustering

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

• 一句话概括：
• 本文发明了一种新的clustering的pipeline来对单细胞数据进行聚类，通过比较发现这种聚类方式比之前常用的几种聚类方式比如SC3、SEURAT等都要稳定，其聚类效果也更接近实际细胞分类

1.Pipeline原理和算法介绍

*文章中描述的新的pipeline的workflow

workflow.png

1.1 Input&Gene filtering (A)

• Input : 输入的数据结构为单细胞的基因表达矩阵，行为基因，列为细胞
• Gene filtering : 去除掉在所有细胞中都没有表达的基因
• 输出 : 仍然为单细胞的基因表达矩阵，行为基因，列为细胞，此输出将作为下一步的输入

1.2 Measuring the dissimilarity between the cells (B)

• 计算细胞之间的不相似性（相似性），其实就是计算所有细胞之间的欧式距离；得到的矩阵行为细胞，列也为细胞，其中的元素为细胞之间的欧式距离
• 输入 : 上一步得到的基因表达矩阵
• 算法 : Euclidean Metric/Euclidean Distance (欧几里得度量/欧几里得距离)，具体算法见文末
• 输出 : 输出为行为细胞列为细胞的矩阵，其中的元素是细胞之间的欧式距离

1.3 Clustering (C)

• 此步的目的是对以上得到的细胞间欧式距离的矩阵进行降维，并找到对于此数据集最佳的聚类个数(K)

• 过程
• 1. 将以上的欧式距离矩阵进行t-SNE降维，得到一个 细胞数X2 的矩阵，这个过程重复50次，以下步骤(2，3，4)是对于每一次的结果而言
• 2. 对得到的降维矩阵进行K-means聚类，其中K的范围为2到20；即进行19次聚类，其中参数K分别为2到20
• 3. 以上得到的19次聚类结果，分别计算其Average silhouette值
• 4. 在以上19个Average silhouette值中选出最大值，并得到这个最大值对应的K值

• 5. 由于以上步骤(2，3，4)一共进行了50次，故得到50个K值，取这50个K值的平均值，并对其进行四舍五入，得到的数值即为以下使用的最佳K值

     
     
     

     Clustering.png

• 输入 : 细胞间欧式距离矩阵
• 算法 : t-SNE，K-means，Average silhouette method
• 输出 : 最佳K值；t-SNE降维结果(细胞数X2矩阵)，具体选取哪次的结果文中未提及，推测可以选取任意一次的结果

1.4 Identifying the most stable clustering (D)

• 用以上的到的K值和t-SNE降维矩阵进行聚类，得到最稳定的聚类结果
• 输入 : 上一步得到的最佳K值和t-SNE降维矩阵
• 算法 : K-means，Jaccard coefficient

• 过程
• 1. 用以上的到的K值和t-SNE降维矩阵进行n次K-means聚类，以下步骤（2，3，4）都是针对其中的每次聚类而言的
• 2. 对t-SNE矩阵进行m次重新取样，具体方式为去掉其中5%的样本并用噪声数据点代替
• 3. 对以上的到的m个新的t-SNE降维矩阵分别进行K-means聚类，共得到m个新的聚类，每个聚类中有k个cluster
• 4.1 计算原始聚类中每个cluster的Stability score；用原始聚类中的一个cluster与m个新聚类中的每一个进行如下计算：此cluster与某个新聚类结果中的每一个cluster做Jaccard coefficient计算，取其中的最大值；此最大值便为此cluster与此新聚类结果中最相似cluster的相似度；如果此Jaccard coefficient >= 0.75，则说此原始cluster在此次比对中是稳定的
• 4.2 计算原始聚类中每个cluster的Stability score；对于原始聚类中的每一个cluster，以上Jaccard coefficient计算一共计算m次，假设其中稳定的比对为q次，则说此原始聚类中此cluster的Stability score为q/m
• 4.3 计算原始聚类的总体Stability score；原始聚类的Stability score等于此聚类中所有cluster的Stability score的平均数

• 5. 按上述步骤（2，3，4）一共得到n个原始聚类的总体Stability score，选择总体Stability score最高的那个聚类作为最终的最稳定聚类

     
     
     

     1-5.png
     
     
     

     4.png

2.其中用到的具体算法

2.1 Euclidean Metric/Euclidean Distance

2.2 t-SNE

2.3 K-means

2.4 Average silhouette method

2.5 Jaccard coefficient