本次暂时只需要用到cNMF_res.gene_spectra_score.k_4.dt_2_0.txt 文件,重点关注含有score字样的文件。 与其他老师使用分解样本之后再聚类的方式不同,笔者并不将样本分解而是直接对细胞群进行NMF处理。 如果按照其他老师的方法还需要关注含有consensus字样的文件。 1、将文件数据进行预处理 代码语言:javascript 复制 ...
cnmf_obj.consensus(k=selected_K, density_threshold=density_threshold, show_clustering=True, close_clustergram_fig=False) cNMF就运行结束了,会得到一系列的分析结果 pbmc_cNMF.clustering.k_7.dt_0_1.png pbmc_cNMF.clustering.k_7.dt_2_0.png pbmc_cNMF.gene_spectra_score.k_7.dt_0_1.txt pbmc_c...
约束非负矩阵分解(CNMF)算法,该算法将标签信息作为附加的硬约束,使得具有相同类标签信息的数据在新的低维空间中仍然保持一致。 但是,CNMF算法对于无标签数据样本没有任何约束,因此在很少的标签信息时它的性能受限,并且对于类中只有一个样本有标签的情形,CNMF算法中构建的约束矩阵将退化为单位矩阵,失去其意义。
我们来看看cNMF在单细胞数据分析中的运用 安装很简单 pip install cnmf 加载 %matplotlib inlineimportosimportpandasaspdimportnumpyasnpfromscipy.ioimportmmreadimportscipy.sparseasspimportmatplotlib.pyplotaspltfromIPython.displayimportImageimportscanpyasscfromcnmfimportcNMFifnot os.path.exists('example_PBMC'):os.mk...