先设置resolution为大众化的0.5,初步鉴定各分群是什么细胞,观察感兴趣的分群形状是否有继续分群的趋势。 采用clustree可视化不同resolution下各分群的裂变情况 res_used <- c(0.5,0.8,1.0,1.2,1.5) for(i in res_used){ res_tree <- FindClusters(object = sce.mergeTEN, verbose = T, resolution = res_used...
可以用来观察分群结果的包——clustree。 可以把不同resolution的分类结果放在一起展示,通过一个分类树的图,可以看到新的细胞群是由低分辨率状态下哪些细胞组合成的,方便选择合适的resolution参数。 library(clustree) sceList.integrated <- FindClusters(sceList.integrated, resolution = seq(0.4,1.2,by=0.2)) clustree...
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...
可以适当降低一下 FindClusters 函数的resolution 参数,减少 cluster 数目,看看能不能把相互交叉的 cluster 聚成一个 cluster。 还可以尝试 FindClusters 函数中不同的 algorithm 参数,看看聚类效果会不会改进。 请问finder cluster 只能使用 SNN 进行聚类么?可以有其他选择吗? / seurat 的聚类方式除了 KNN 外还有其他...