【机器学习在生物信息中的应用（二）】SC3：单细胞表达谱的无监督

该聚类方法名为SC3（Single-Cell Consensus Clustering）

该方法本质上就是K-means聚类，不过在执行K-means聚类的前后进行了一些特殊的操作：

• k-means聚类前：进行了数据预处理，即特征的构造，称为特征工程，该方法中是对输入的原始特征空间进行PCA变换或拉普拉斯矩阵变换，对变换后的新特征矩阵逐渐增加提取的主成分数，来构造一系列新特征；
• k-means聚类后：特征工程构造出来的一系列新特征集合，基于这些新特征集合通过k-means聚类能得到一系列不同的聚类结果，尝试对这些聚类结果总结出consensus clustering

本人比较好奇的地方是：怎么从一系列不同的聚类结果中总结出consensus clustering？

使用CSPA算法（cluster-based similarity partitioning algorithm）

（1）对每一个聚类结果按照以下方法构造二值相似度矩阵S：如果两个样本i和j在该聚类结果中被聚到同一个集合中，则它们之间的相似度为1，在二值相似度矩阵中对应的值 S_i,j = 1，否则S_i,j = 0；

（2）对所有的聚类结果的二值相似度矩阵S取平均，得到consensus matrix；

（3）基于consensus matrix进行层次聚类，得到最终的consensus clustering；

参考资料：

Kiselev, V. Y. et al. SC3: consensus clustering of single-cell RNA-seq data[J]. Nat. Methods 14, 483–486 (2017).