文献阅读-Monocle RGE

文章基本信息

2017年发表于Nature Methods 题为 Reversed graph embedding resolves complex single-cell trajectories 文章。doi:10.1038/nmeth.4402

Monocle RGE 思想

图a 简略解释了反向嵌入图构建高维数据拟时轨迹的过程，给出了Pseudotime的定义。

1. 高维空间中，每个点表示一个细胞，每一维空间表示用于排序的基因的表达水平。首先通过降维算法将高维数据映射到低维空间，可通过PCA等方法实现。
2. 基于Centroids 推测初始的细胞轨迹，Centroids的选取依据k-means聚类方法，初始轨迹也就是a spanning tree。
3. 基于现有的轨迹更新细胞的位置信息。
4. 更新细胞的Centroids。
5. 映射回高维数据，生成新的轨迹（spanning tree）。
6. 重复步骤2-5，直到所有细胞都聚拢。
7. 选择轨迹的根节点。
8. 根据当前细胞与根节点的距离定义拟时变量值，同时确定分支点。

经与其他轨迹构建算法比较发现，Monocle2 能够得到a explicit tree，而且其排序基因的算法更有说服力，基于轨迹给出的分支也更明确清晰。

复杂轨迹树揭示遗传因素导致细胞分化的不同走向。