基于单细胞RNA测序数据的细胞类型聚类算法

• 作者: 何睿 余娜 李淼 张峻巍 王浩杰 赵玉茗
• 来源期刊: 智能计算机与应用
• 关键词: 细胞分类 聚类算法 单细胞测序
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 系统开发与应用|System development and application
• 页码范围: 104-108
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2020.07.024

摘要

随着单细胞测序技术的发展,许多基于单细胞RNA测序数据的聚类算法被提出,用于单细胞分类,并取得较好的应用效果.但是到目前为止,单细胞聚类算法研究领域缺乏关于聚类模型的综述,缺乏对不同聚类模型的性能评估.本文从聚类模型的角度将常见的11种单细胞聚类算法分成了K邻近聚类、层次聚类、基于图形分类、基于模型分类、基于密度分类的5种类型,对相关算法的特点和研究进展进行总结,并选择了10组scRNA-seq数据集对这些聚类算法进行性能评价.实验结果表明,现有聚类方法中SC3、Seurat和SIMLR的性能较好,在5类模型中,基于密度模型的算法具有最优性能,体现出较好的应用价值.