2 t-SNE分析 set.seed(42)tsne_out<-Rtsne(a3,pca=FALSE,perplexity=10,theta=0.0)# Run TSNEtsnes=tsne_out$Ycolnames(tsnes)<-c("tSNE1","tSNE2")#添加列名ggplot(tsnes,aes(x=tSNE1,y=tSNE2))+geom_point() 屏幕快照 2020-07-05 下午7.33.23.png 还是无法区分 3 同样的正态分布随机表达矩阵...
TSNE和UMAP聚类是两种降维的机器学习算法,被广泛应用在转录组,单细胞,代谢组等多组学高维度数据分析领域。
10X单细胞 | 细胞鉴定结果分析:3.细胞降维聚类tSNE图参数调整 https://www.omicstudio.cn/tool/ten_x/index?id=48
tsne_analysis.r 表达聚类分析 使用说明: $ Rscript $scriptdir/tsne_analysis.r -h usage: /work/my_stad_immu/scripts/tsne_analysis.r [-h] -i filepath -m metadata [-d dims] [-p perplexity] [--theta theta] [-M initial_dims] [-T top] -g group [-s size] [-a alpha] [-e] [-...