单细胞数据去批次效应算法比较.md 1.9 KB
title: 单细胞数据去批次效应算法比较 tags: [] id: '2235' categories:
- - 分群 date: 2022-08-13 01:16:34 ---
批次整合效果
- 左图是批次上色，右图是细胞类型上色
- 左图不同区域颜色越混杂越好
- 右图不同区域颜色越纯粹越好，且同一颜色最好在且只在一个区域
资源消耗量
- 实线是批次的熵，越高表示混合程度越好
- 虚线是细胞类型的熵，越低表示区分度越好
- 第一行是批次数量固定为2，细胞数量增长(总计61,000进行下采样)
- 第二行是每个批次固定1001个细胞，批次数量增长
- 第二列是计算消耗的时间，不清楚作者的计算节点性能，但应该很强
- 第三列是计算占用的内存，可以看到Seurat在2个批次6万个细胞时占用了高于30G的内存；而20个批次，2万个细胞时占用了60G内存
校正批次后对聚类的影响
- 上面的col是组织，下面的col是数据来源，左边的row是批次去除算法，右边的row是无监督聚类算法
- 颜色表示调整兰德指数的值，越接近1越好，说明该组织越适合这种批次去除算法和无监督聚类算法
校正批次后对Marker基因的影响
- 红色表示DEG中检测到的标记基因数量占实际标记基因数量的比例
- 深青色表示DEG与实际标记基因集合的相似性
- 可以看出效果一塌糊涂，还是先分群再合并比较好，这些校正批次效应的算法只能用于可视化。