如何选择单细胞测序分析中的主成分数量：策略学习

如何选择单细胞测序分析中的主成分数量：策略学习

引用

CSDN

1.

https://m.blog.csdn.net/zfyyzhys/article/details/145568325

在单细胞测序分析流程中，选择合适的主成分数量对于后续分析至关重要。过多或过少的主成分都可能对分析结果产生不利影响。

过多主成分的影响

过多的主成分可能会导致模型过拟合。PCA（主成分分析）通过将原始数据投影到新的轴（主成分）上，目的是提取数据中的主要变异。如果保留过多的主成分，模型可能会捕捉到数据中的噪声而非有意义的生物学信号，导致分析结果不具有泛化能力。

过少主成分的影响

过少的主成分可能会丢失重要的生物学信息。PCA通过减少数据的维度来简化数据集，但如果去除的主成分包含了对细胞群体分类有重要意义的信息，可能导致后续分析中细胞类型或亚群体的识别不准确。

如何选择合适的主成分数量

在实际分析中，通常会参考ElbowPlot来判断合适的主成分数量。ElbowPlot中，肘部位置通常对应方差贡献急剧下降的位置。通过观察曲线的弯曲点（即“肘部”位置），可以判断后续主成分所解释的方差增益较小，添加更多主成分可能不会显著提升数据解释能力。一般而言，这个位置可能在8-15个主成分之间。

多位专家对此问题也进行了讨论。例如，生信宝典的陈同教授引用了Biostars上Kevin Blighe教授的观点：“每个主成分会解释数据集中总体变异的一个比例。因此，选择主成分的数量应该基于其解释的变异比例，而不是简单的数量。陈同教授个人倾向于选择7-12个主成分，而技能树的建明老师则通常选择15个。Seurat官方流程中甚至直接选择了30个主成分。

笔者的建议

在选择主成分数量时，除了考虑合理范围，还需要决定是选择低值、中值还是高值。笔者倾向于选择稍大一点的主成分值，例如在8-15的范围内选择15个。

具体分析工具的使用

如果需要更精确的数值，可以使用以下几种分析工具：

1. ElbowPlot

rm(list = ls())
library(Seurat)
library(findPC)
library(ggplot2)
load("scRNA.Rdata") # 老演员了
DimPlot(scRNA)

ElbowPlot(scRNA, ndims = 50)

从视觉上来看，主成分数量大约在7-13左右。

2. findPC

# Seurat V5
stdev_sorted <- sort(scRNA@reductions$pca@stdev, decreasing = TRUE) 
stdev_sorted
findPC(sdev = stdev_sorted, # 主成分降序排列
       number = 50, # number数量不需要
       method = "all", # 所有的方法都看一下，默认方法是perpendicular line
       figure = T)

不同方法得到的主成分数量在7-12左右，4是一个异常值。

3. PCAtools

# PCAtools
library(PCAtools)
elbow <- findElbowPoint(stdev_sorted)
elbow
# [1] 8

经典PCAtools工具得到的值是8。

参考资料

1. Seurat: https://satijalab.org/seurat/articles/seurat5_integration
2. Biostars (How to Choose PCs from a HeatMap): https://www.biostars.org/p/410640/
3. findPC: https://github.com/haotian-zhuang/findPC
4. PCAtools: https://bioconductor.org/packages/devel/bioc/vignettes/PCAtools/inst/doc/PCAtools.html#determine-optimum-number-of-pcs-to-retain
5. 生信宝典: https://mp.weixin.qq.com/s/DJMk-UR0oJ1-v1G3t0AhcA
6. 单细胞天地—单细胞常见图表合集

注：本文内容来自CSDN，原文作者zfyyzhys，原文链接：https://m.blog.csdn.net/zfyyzhys/article/details/145568325。若对内容有疑惑或发现明确错误，请联系后台（欢迎交流）。更多相关内容可关注公众号：生信方舟。