m0_67982929: 实验 38 单细胞数据分析与可视化 [实验目的] 掌握简单的相似性计算方法及降维方法，利用 t-SNE、PCA 降维方法分别对 相似性进行降维和可视化，分析不同的降维方法对可视化结果的影响。 [实验原理] 根据细胞的基因表达数据计算细胞两两之间的相似性，分别利用t-SNE和PCA 算法对相似性数据降维，得到两种不同的降维结果并将其绘制成平面散点图。基 于散点图，直观地分析不同降维方法对相似性数据可视化的影响。 [实验内容] 1、从数据库 ArrayExpress 中下载单细胞的基因表达数据，熟悉数据格式； 2、根据细胞的基因表达值，计算细胞间的 Pearson 相关系数作为细胞的相 似性矩阵； 3、使用 t-SNE 和 PCA 算法对 Pearson 相关系数矩阵进行降维，得到二维数 据特征； 4、以降维后的二维数据特征为输入，使用任意绘图方法绘制散点图； 5、根据可视化图的分布情况简单分析不同降维方法得到的可视化结果的区 别，主要分析散点图的聚集和分散情况，以及是否能根据散点图轻易将 所有细胞分为不同的几类等。 [实验报告] 4、阐述实验目的和实验原理 5、记录实验步骤和结果，并对结果进行分析说明 6、对实验进行总结分析 [相关网站与参考文献] Visualization and analysis of single-cell RNA-seq data by kernel-based similarity learning （/articles/nmeth.4207） SC3: consensus clustering of single-cell RNA-seq data （/articles/nmeth.4236） 数据下载：/arrayexpress/experiments/E-MTAB-3321/
input默认值设置
单细胞数据高级分析之初步降维和聚类 | Dimensionality reduction | Clustering