首先,构建一个细胞类型比例的矩阵。低于 10% 的细胞类型比例被过滤掉,并认为不具有生物学意义。过滤后,对spot进行缩放,以确保细胞比例的累积和为 100%。使用Python 实现的基于图形的聚类方法 Leiden 算法,在 R中基于相似的细胞组成识别spot cluster。将聚类精度设置为 0.2的分辨率,因为不同的分辨率不会改善聚类的生物学解释。根据leiden聚类结果,将spot标记为细胞生态系统(Cell-Eco)。细胞类型意味着高于10%的细胞类型被认为对Cell-Eco身份具有生物学意义。根据先前描述的每个Cell-Eco的细胞类型均值对spot进行过滤和重新缩放。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。