文献分析 FEAST 单细胞变量选择

原文pdf连接

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8644062/

 

摘要

好的特征区分不同细胞类型

FEAST的特征选择结果可以提升聚类效果

 

	Progress	Challenge	Demand
Background	单细胞技术 细胞数据的聚类中有一步很关键：特征选择	没有专门研究评估变量选择带来的影响
Solve	What	How	Effect
	广泛评估和比较变量选择在单细胞数据上的影响 主要是对聚类的影响	FEAST 是一个为单细胞聚类选择代表性基因的方法	优于现有选择方法 提升聚类精确度
Result	Feature selection in scRNA-seq cell clustering 大多数基因在不同细胞类型之间没有差异表达 特征选择无监督 Seurat中的方法：将基因按平均表达分为20个bins，再寻找每个bins中的方差最大基因 F-test基于组间方差和组内方差的比值评估辨别效率
	Feature evaluation in scRNA-seq cell clustering 直接评估：评估聚类后与真实标签的一致性 没有标签数据时：使用“伪监督”的方法：根据变量选择的结果检查cluster的分离：如果一组特征导致具有较大组间距离和较小组内距离的集群，则认为该组特征更好。
	特征选择确实对聚类结果有很大影响 FEAST 是生成具有代表性的特征集以提高聚类精度。 FEAST 首先进行共识聚类得到初始细胞聚类结果，基于初始聚类进行特征的排序和选择。 最佳特征数量由来自不同数量top特征的聚类结果的fitness决定。 我们证明了 FEAST 可以识别更具代表性的特征并显着提高聚类精度。
	Overview of FEAST 1.通过高效的方法得到共识聚类结果，主要是为了得到可信的聚类结果，为了在下一步特征选择中使用 2.基于聚类结果，通过F-test计算每个特征的显著性，根据F-检验统计量排序特征 3.通过特征评估算法选择最佳的特征集合
	Consensus clustering improves the signal 通过共识聚类得到的p值更显著
	FEAST selects features better than other unsupervised approaches 对比FEAST ，SAIC, SC3 and Seurat三种方法 通过不同的top数量评估不同方法的聚类效果 研究发现，有些top的基因仅在少数细胞中显示出极高的表达，而在其余细胞中保持相同（通常为 0）。这些是表达分布高度偏斜的基因，显然不是很好的聚类特征。 （确实需要与已知的marker求交集，仅保留有生物学意义的特征） 而且有时包含了过多的特征起始并没有带来本质的提升
	FEAST optimize the feature set through validation 基于该方法评估最佳的top数量 对于没有标签的数据可以设计基于MSE的交叉验证方法确定最佳feature数量
	FEAST improves the clustering accuracy Test FEAST on larger datasets
Conclusion& Discussion
Method	基于初始聚类结果进行F检验 F 统计量本质上是计算组间方差 (varb) 和组内方差 (varw) 之间的比例 对每个基因计算一下这个式子， 其中，df1 = K-1，df2 = N' - K 为自由度 N'是共识聚类clusters的细胞数总数 K是找到的类别数   FEAST 使用总方差 (vartg) 和组间方差之间的差异来表示组内方差   varbg= vartg=   = g基因的平均表达量   = g基因在i细胞中的表达量   = g基因在第i个cluster中的平均表达量   = 第i个cluster中的细胞数