【摘要】：單細胞RNA測序(scRNA-seq)允許生物學家收集大量詳細描述單個細胞轉(zhuǎn)錄組的RNA-seq數(shù)據(jù),無監(jiān)督聚類對于這些數(shù)據(jù)的分析非常重要,因為它可用于識別出未知的細胞類型。通過基于轉(zhuǎn)錄組相似性的無監(jiān)督聚類來定義細胞類型已經(jīng)成為單細胞RNAseq最強有力的應(yīng)用之一。廣義的來看,無監(jiān)督聚類的目的是發(fā)現(xiàn)一組對象的自然分組。在轉(zhuǎn)錄組的基礎(chǔ)上定義細胞類型是有吸引力的,因為無監(jiān)督聚類提供了一組數(shù)據(jù)驅(qū)動的,一致性并且無偏倚的方法�；诖怂枷�,一些基因測序項目應(yīng)運而生,這些測序項目旨在為生物體或組織在不同發(fā)育階段存在的所有細胞類型建立全面的參考資料。許多scRNA-seq數(shù)據(jù)集非常大,可以達到數(shù)十萬個細胞,這帶來了挑戰(zhàn)和機遇。單細胞RNA-seq表達數(shù)據(jù)集是基因組學中遇到的較為復(fù)雜的數(shù)據(jù)集。即使是最小的單細胞RNA-seq實驗,也會取樣數(shù)百個細胞,測量每個細胞中超過10000個基因的表達水平。大數(shù)據(jù)集確保分析具有高準確率的同時也提高了檢測罕見細胞類型的能力。聚類的效率和準確性成為了數(shù)據(jù)分析的一大挑戰(zhàn)。為了使細胞圖譜具有實際的應(yīng)用價值,細胞聚類將是計算的關(guān)鍵挑戰(zhàn)之一。為了能夠在scRNA-seq數(shù)據(jù)集上得到較為準確的聚類結(jié)果,便于研究學者進一步的分析生物數(shù)據(jù),我們對單細胞RNA-seq數(shù)據(jù)的聚類方法進行了研究。由于降維可以減少噪聲,還原低維流形,加快數(shù)據(jù)處理速度,我們嘗試在聚類之前對數(shù)據(jù)進行降維。我們研究了一些可以應(yīng)用在scRNA-seq數(shù)據(jù)上的降維和聚類的算法。降維算法主要包括主成分分析(PCA),獨立成分分析(ICA)和非負矩陣分解(NMF),聚類算法則包括Kmeans,層次聚類(Hierarchical Clustering)和Louvain。Louvain算法是用來研究圖數(shù)據(jù)的一種社區(qū)發(fā)現(xiàn)算法,其被認為是性能最好的社區(qū)發(fā)現(xiàn)算法。基于scRNA-seq數(shù)據(jù)的特征,我們將KNN的近鄰思想與Louvain相結(jié)合使其更好的應(yīng)用于scRNA-seq數(shù)據(jù)。我們在兩個大型scRNA-seq數(shù)據(jù)集上共進行了四次實驗并分別對聚類結(jié)果進行了定量分析,同時使用t-SNE方法進行了可視化分析。結(jié)果顯示Louvain算法在聚類的準確性上表現(xiàn)非常優(yōu)秀。我們對其它兩種聚類方法也進行了分析,并且發(fā)現(xiàn)層次聚類在區(qū)分大規(guī)模樣本時表現(xiàn)很好。另外原始數(shù)據(jù)未降維前的聚類結(jié)果與降維之后的聚類結(jié)果存在很大的差距,以此也驗證了降維在scRNA-seq數(shù)據(jù)聚類過程中的必要性。
【圖文】：

圖 2.3 Louvain 社區(qū)算法圖解[40]Louvain 算法的實現(xiàn)流程主要包括兩個步驟。開始的時候，每個節(jié)點都為一個社區(qū)。第一步：不斷遍歷網(wǎng)絡(luò)中的結(jié)點，對每個結(jié)點遍歷其所有鄰居，，計算如果該結(jié)

P 轉(zhuǎn)基因小鼠中通過流式細胞術(shù)獲得了 116 個細胞以外，其他細胞都是由選擇。研究人員共進行了 76 次 Fluidigm C1 實驗，每一次實驗都試圖捕最終得到了 3005 個高質(zhì)量的包含獨特分子標識符的單細胞，這種分子保 擴增后也可以計算 mRNA 分子。
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP311.13;Q811.4

【相似文獻】

相關(guān)期刊論文 前10條

1 曾廣周;一個基于Gabrial圖的聚類方法[J];信息與控制;1988年03期

2 李然;史坤鵬;李健;;基于聚類樹方法的同調(diào)機組分群研究[J];中國農(nóng)村水利水電;2007年10期

3 陳鋼,馮志勇,金輝;基于GT編碼的零件聚類樹的建立[J];中國制造業(yè)信息化;2003年06期

4 李建伏;吳鳳珍;趙玉成;;一種基于啟發(fā)式的分層聚類[J];計算機應(yīng)用與軟件;2014年05期

5 耿增民;萬玉釵;劉峽壁;蘭麗;陳迪;;一種基于GMM-聚類樹的面向大規(guī)模服裝圖像檢索的索引結(jié)構(gòu)[J];北京服裝學院學報(自然科學版);2016年03期

6 溫濟川;;基于自尋優(yōu)層次聚類的孤立點分析[J];計算機系統(tǒng)應(yīng)用;2008年04期

7 王家騰;殷宏;解文彬;殷超;;基于頂點重要度和層次聚類樹的地形網(wǎng)格簡化[J];計算機工程與設(shè)計;2016年06期

8 賀德化,彭英偉,朱鋒峰;聚類結(jié)果的比較研究[J];應(yīng)用數(shù)學與計算數(shù)學學報;1999年01期

9 梁斌梅;韋琳娜;宋慶禎;;一種基于層次聚類的全局孤立點識別方法[J];計算機應(yīng)用研究;2011年05期

10 張巍;沈富可;;網(wǎng)絡(luò)拓撲判定的研究[J];電腦知識與技術(shù)(學術(shù)交流);2007年01期

相關(guān)會議論文 前5條

1 錢衛(wèi)寧;錢海蕾;周傲英;;構(gòu)造準確的多粒度聚類樹:一種交互式的方法[A];第十七屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2000年

2 錢衛(wèi)寧;錢海蕾;周傲英;;聚類樹合并——聚類超大規(guī)模數(shù)據(jù)庫[A];第十八屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2001年

3 鄭君君;李新光;祝一薇;劉建軍;夏勝平;譚立球;;海量圖像集中K近鄰求解的高效算法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

4 錢海蕾;錢衛(wèi)寧;周傲英;;對于聚合聚類終止條件的研究[A];第十八屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2001年

5 周秀娟;史賢明;;沙門氏菌特異的分子檢測靶點的篩選與評價[A];中國食品科學技術(shù)學會第十一屆年會論文摘要集[C];2014年

相關(guān)博士學位論文 前4條

1 徐麗;基于粒度計算的聚類集成算法研究[D];中國礦業(yè)大學;2018年

2 邱敏;基于天然氣水合物勘探的多功能CPTU數(shù)據(jù)解釋與聚類算法研究[D];中國地質(zhì)大學;2018年

3 羅會蘭;聚類集成關(guān)鍵技術(shù)研究[D];浙江大學;2007年

4 郝立麗;漢語文本數(shù)據(jù)挖掘[D];吉林大學;2009年

相關(guān)碩士學位論文 前10條

1 楊其躍;面向單細胞RNA-seq數(shù)據(jù)的聚類方法研究[D];吉林大學;2019年

2 李志鵬;基于連續(xù)框架的腦纖維聚類可視化研究[D];浙江工業(yè)大學;2018年

3 柳鑫;基于勢能場模型的層次優(yōu)化聚類算法研究[D];武漢理工大學;2018年

4 韓默;基于元路徑的異質(zhì)網(wǎng)協(xié)同聚類算法的設(shè)計與實現(xiàn)[D];吉林大學;2018年

5 王懷志;MeRIP-Seq高通測序數(shù)據(jù)的關(guān)鍵生物信息學方法研究[D];中國礦業(yè)大學;2018年

6 鐘俊坤;幾種新聚類算法的研究[D];西安電子科技大學;2018年

7 馮冰滔;基于聚類方法的腦區(qū)基因共表達模式研究與分析[D];湖南大學;2014年

8 陳潔彥;基于特征子空間的混合聚類集成學習方法研究[D];華南理工大學;2018年

9 袁慎溪;基于隨機森林和預(yù)測聚類樹的多類標分類算法研究[D];華南理工大學;2017年

10 于悅;基于多視角社區(qū)發(fā)現(xiàn)的實體聚類算法[D];北京化工大學;2017年

本文編號：2655769