单细胞RNAseq的生物分析

一、聚类分析

  scRNA-seq分析的最经常应用之一是基于转录谱的细胞类型（cell-type）的新发现和注释。从计算角度来看，这就是一个困难的无监督聚类问题。也就是说，我们需要在没有先验知识标签的情况下，根据转录组的相似性来识别细胞群。此外在大多数情况下，我们无法预先知道cluster的数量。而且由于高水平的技术噪声（技术和生物上）和大量的维度（eg基因数），这个问题变得更具有挑战性。

1、降维

  在处理大型数据集的时候，通常需要使用某种维数降低的方法。通过将数据投影到低维子空间，第一可以显著减少噪声，第二在2维或者3维子空间，可视化数据更容易。
方法：PCA，tSNE（tSNE更经常用于可视化，主要目的不是降维）

2、聚类方法

2.1 分层聚类 hierarchical clustering

分层聚类一般分为两类：
agglomerative(凝聚)：bottom-up，每个单元最初被分配到它自己的cluster，随着层次的上升，cluster被合并，以创建一个层次结构。
divisive(分裂)：top-dowm，首先所有的单元都从一个cluster开始，然后递归地拆分每个cluster以形成层次结构。

2.2 K-means

在kmeans中，目标是将N个单元划分为k个不同的聚类。以迭代的方式，分配集群中心，并将每个单元分配给其最近的集群。
用于scRNAseq分析的大多数方法在某些时候都包括kmeans步骤。

2.3 基于图的方法

构建图网络，其中每个节点表示一个cell，并为边赋权重。

2.4 聚类分析中的挑战

聚类的数量k是什么？
什么是cell type？
可扩展性：scRNAseq的细胞数量增长了几个数量级（从10^2 到10^6)。

二 scRNAseq数据的工具

1、SINCERA

基于层次聚类
在聚类之前数据被转换为z-score
通过在层次结构中找到第一个singleton来确定k
https://research.cchmc.org/pbge/sincera.html
参考论文：
Guo, Minzhe, Hui Wang, S. Steven Potter, Jeffrey A. Whitsett, and Yan Xu. 2015. “SINCERA: A Pipeline for Single-Cell RNA-Seq Pr