结合空间信息进行聚类以获得空间分辨的RNA-seq数据

编程问答 2022-08-15

问题描述

我目前有一组空间分辨的RNA序列数据。这听起来可能有些复杂，但它基本上只是一个矩阵，其中包含2000个采样点（即2000行，共同构成一个大脑切片，如下所示），每个点都有数千个属性值（表达量分别包含数千个特定基因），再加上x坐标和y坐标（即数千+ 2列）。

现在，我的任务是根据样本的表达特征“聚类”这些样本，并以2D坐标显示它们，如下所示：colored brain section from Allen Brain Atlas;或更准确地说，这个数字：

DBSCAN result

因此，在对基因表达属性（不包括x＆y ords）运行PCA并选择前20个组件（由JackStraw确定）之后，我想到了从GIS借用聚类算法，因为它们似乎在空间上非常有用具有几个附加属性的数据。但是，诸如DBSCAN和OPTICS之类的常用效果不佳，因为它们要么1）未能将某些单元簇分成较小的簇，即使它们生成了20个以上的簇，或者2）包含具有附近区域颜色的离散点，使子区域不“链接在一起”。例如，在上图中，颜色为6、4、8（CA1，CA3，海马的DG）的区域似乎被周围的点分隔开了，并且没有直接链接（minPts和epsilon调整），而大脑皮层（颜色在图1中，非常明显的大弯曲区域没有适当地分成更多的子区域。 PAM /分层（病房）可能会做得更好，但是它们仍然包含带有“随机”颜色的离散点（请参见下图）。我尝试将两个空间属性（按比例缩放到相似的数量级或更大）添加到包含20个成分的PCA结果矩阵中进行聚类，但这并不能解决任何问题。

PAM result

我对GIS不熟悉，但是有什么地理空间方法来处理大量属性（空间坐标除外），同时仍然在结果中实现空间变量的显着影响？我想可能有比手动寻找最佳缩放系数坐标与PCA结果结合时更好的方法。此外，我实际上缺乏一种定量方法来评估这种空间聚类的性能（我不在乎鲁棒性），只能手动查看每个图形，并逐个比较它们。其中一个是《艾伦大脑地图集》中显示的内容。感谢您的建议！

btw：我尝试过的算法通过性能来判断，PAM〜病房的层次>基于图（SNN + Louvain）> kmeans / GMM> dbscan / optics / genie。

这是我输入到聚类算法中的数据矩阵的一行通常的样子：

PC_1        PC_2        PC_3        PC_4        PC_5        PC_6        PC_7        PC_8 
-15.7496168  -2.6794113  -4.9924088   3.3242015  -0.7291716  -7.1819954   0.6677717  -1.9238705 
       PC_9       PC_10       PC_11       PC_12       PC_13       PC_14       PC_15       PC_16 
  5.4845558   0.5440475   2.2236831   6.8582582   1.5146320   3.4878099  -0.5255667   0.3075648 
      PC_17       PC_18       xords       yords 
 -0.9937655   1.3039029  11.4650000  13.2950000

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

bioinformaticscluster-analysisgeospatialgisrr