估计阅读时长: 11 分钟PhenoGraph提供了与UMAP类似的算法过程进行单细胞组学数据的细胞分型处理操作。与UMAP方法相比，PhenoGraph并不会产生数据降维效果，仅仅产生数据点Cluster信息。如果需要将数据进行可视化，还需要借助于t-SNE算法将PhenoGraph的分型结果数据投影到一个二维平面上完成。 Order by Date Name Attachments Phenograph-image4 • 200 kB • 452 click 2021年8月9日Automated Optimal Parameters […]
This clarifies everything perfectly.
其实，你不应该直接跑原始表达矩阵的。因为在原始表达矩阵中，基因的特征数量可能会非常多，做随机森林或者SVM建模就会会非常久。应该先用limma程序包对矩阵筛选一次，例如用log2fc绝对值按照阈值cutoff筛选一次，或者对log2fc绝对值排序后取前1000个特征，得到小一些feature集合的矩阵后再使用这个程序包做机器学习分析。
Thanks for taking the time to create this.
就是随便看看！
c⌒っﾟДﾟ)っ救命啊，谢老师，我试了下用这个程序包直接跑转录组矩阵，跑了好久都没有结果