光谱矩阵分解聚类

一种无需预定聚类数的单细胞一致性聚类方法，能稳健地识别细胞类型及其发育轨迹。

Jia, Ran · 任颖 · Li, Nian · 高瑞 · 张玉森

Briefings in Bioinformatics 2024

参数信息

测试数据集数量

15

技术优势

聚类数自动确定

无需预先指定聚类数，方法通过一致性检验自动选定最优聚类数。

细胞类型识别准确

在人类胚胎干细胞和胶质母细胞瘤数据上准确识别已知细胞类型，并揭示发育轨迹。

可扩展至大数据集

方法已扩展到更大数据集，证明其在大规模单细胞数据上的优越性。

应用场景

• 单细胞测序数据分析：自动获得稳健的细胞聚类结果，用于下游差异表达和功能分析。
• 细胞异质性研究：揭示细胞间异质性结构，发现稀有细胞类型和状态。
• 发育轨迹推断：在聚类基础上识别细胞状态转变路径，刻画发育或分化轨迹。