单细胞转录组测序数据的细胞类型识别方法比较

摘要

单细胞转录组测序技术提供单个细胞分辨率的基因表达谱，有助于更准确地揭示细胞异质性。聚类是识别生物组织中细胞类型的主要方法，选择合适的聚类算法可以提升单细胞转录组测序数据分析的性能。本文阐述了k-means、层次聚类(hierarchical clustering, HC)、 Leiden、 SC3、 SCENA、 LAK、 SIMLR和dropClust等8种典型的单细胞聚类算法，在12个带有真实标签的单细胞转录组测序数据集上进行聚类比较分析。采用轮廓系数、 Calinski-Harabasz指数、调整兰德指数、调整互信息、 FMI指数、 V-measure、 Jaccard系数和变异系数等8个评价指标，对8种聚类算法的性能进行分析评价。根据实验结果，发现HC、 SC3、k-means、 SCENA的聚类泛用性与鲁棒性最佳，在大规模数据集上SIMLR算法表现最好；在小规模数据集上Leiden算法表现最好，但是存在依赖邻居节点参数和稳定性低的问题；dropClust算法在泛用性和鲁棒性上最差。此外，8种聚类方法的性能都与数据质量有关，当数据的变异系数较低时，聚类算法的评分指标普遍增高，反之亦然。

关键词

单细胞转录组测序 / 聚类 / 细胞类型识别 / 数据质量 / 性能评价