FindClusters选择多少resolution合适?

日常瞎掰

  昨天看到一个关于女孩找对象方面的笑话,大概内容是这样的:
一个女孩天天为应该找一个什么样的男朋友而纠结,于是这个女孩便向大师寻求帮助。
  “大师,我应该找一个什么样的男朋友”,女孩说。
  “我给你六点建议”,大师看了一眼女孩,心中若有所思地沉默了片刻,开口说到。
  女孩渴望地点了点头。
  然后大师便娓娓道来。
  第一,“找一个工作稳定的男朋友!”
  第二,“找一个能让你开心的男朋友!”
  第三,“找一个温柔的男朋友!”
  第四,“找一个家庭关系不那么复杂的男朋友!”
  第五,“找一个会做家务的男朋友!”
  说到这里,大师停顿了一下,强调到,“切记,最后一点最为重要!
  女孩迫切地点了点头。
  “千万不要让那五个男朋友见面!” 接着,大师语重心长地说道。

  本来都没有动力写帖子了,看完这个笑话后,本来躺平的我瞬间爬起来写了这个帖子(总算来拉回到下面要说的内容上了 ô‿ô)。好了,下面我们切换到下一话题,说说我们今天的正题。

  我们都知道FindClusters函数在做分群的时候,需要指定\color{#0000CD}{resolution}这个参数,这个参数越大,分的群也就越多。那么,分多少个群合适呢?用哪一个resolution合适呢?因为数据集的不同,所以这个是没有标准答案的。虽然没有标准的答案,但我们可以尽量根据自己的数据集找到合理的分群。最简单粗暴的莫过于直接用tSNE的图来看,当分辨率提高时,细胞群随着增多,当发现有些群分散到多个地方时,说明resolution可能有点高了。
  对于这个问题,高手们早就想到了,开发了可以用来观察分群结果的包——clustree。该包可以把不同resolution下的分类结果放在一起展示,让我们可以清晰的看到当分辨率提高时新的细胞群是由低分辨率状态下哪些细胞组合而成。这样我们可以参考一下用哪个resolution更合适。同时,最为方便的是这个包可以非常方便的基于Seurat包的object对象来操作。下面我们就来看看这个包吧!

示例展示

  这里用一个Seurat对象做为演示,设置resolution从0.5到1.2间隔为0.1,共8个分辨率,仅是为了做一个展示,代码不是很完整:

>library(Seurat)
>library(clustree)
>obj <- FindClusters(obj, resolution = seq(0.5,1.2,by=0.1))
>clustree(obj)

结果如下图:

  从上面的代码可以看到,clustree包对Seuat对象非常友好,可以直接用Seurat对象展示不同resolution的分群结果,同时可以清晰的看到不同resolution下细胞群之间的关系。图中一行表示一个resolution下所有的细胞,整体来看随着resolution增大细胞群数也随着增加。那么,选哪个resolution合适呢?从这张图可以看到resolution为0.5时(第一行),共有12个细胞群,resolution为0.6时(第二行),共有15个细胞群,也可以清楚的看到resolution为0.6,多出来的细胞群主要是resolution为0.5时0、2、10这三个群一分为二的结果。大家应该也看到了,resolution为0.7时(第三行)细胞群数也为15,从0.6到0.7群数还是比较稳定的,但是到resolution为0.8时,群数又开始增加了,好像0.7是一个拐点,这个是不是可以做为一个不错的选择呢?当然了,前面也说过分群本来就没有标准答案,找一个认为合理的就行。这个就好像跟“人丑就要多读书”一样,到底该读哪一本书或者哪一些书也没法说清楚。

结束语

  好吧,废话天天有,好像今天特别多,为啥呢?因为内容不够,废话来凑啊。为了保持良好的习惯,和一致的风格,这个第三段必须得有!就像小学生作文一样,最后再来个总结:分群没有标准答案,合理即可

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,636评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,890评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,680评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,766评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,665评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,045评论 1 276
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,515评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,182评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,334评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,274评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,319评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,002评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,599评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,675评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,917评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,309评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,885评论 2 341

推荐阅读更多精彩内容