二元因素分析

让\ (N \)代表细胞的数量,\ (G \)代表的基因数量\ (K \)代表数量的潜在维度。

论坛模型对象计算以下参数拟合后的基因检测矩阵。

1. \ (Z \)是\ (N \)通过\ (K \)嵌入矩阵和命名为“ZZ”模型中的对象
2. \ \ ()是\ (G \)通过\ (K \)载荷矩阵和命名为“AA”模型中的对象
3. β\ (\ \)如果有具有协变量(e。g批效果),β\ (\ \)是相应的系数矩阵和模型对象的命名为“测试版”
4. \γ(\ \)如果有能够协变量(e。g质量控制措施)\γ(\ \)是相应的系数矩阵和模型对象的命名为“伽马”

我们选择3作为项目的潜在维度和基因检测在嵌入空间矩阵。

bfa_model =scBFA(scData =南加州爱迪生公司,numFactors =2)

然后我们想象的低维嵌入在tSNE论坛空间。点是颜色相应的细胞类型。

set.seed(5)df =as.data.frame(bfa_model美元ZZ)df美元celltype =celltypep1 < -ggplot(df,aes(x =V1,y =V2,颜色=celltype))p1 < -p1+geom_jitter(大小=2.5,α=0.8)colorvalue < -c(“# 43 d5f9”,“# 24 b71f”,“# E41A1C”,“# ffc935”,“# 3 d014c”,“# 39 ddb2”,“slateblue2”,“栗色”,“# f7df27”,“palevioletred1”,“olivedrab3”,“# 377 eb8”,“# 5043 c1”,“蓝色”,“aquamarine2”,“chartreuse4”,“burlywood2”,“indianred1”,“mediumorchid1”)p1 < -p1+xlab(“tsne轴1”)+ylab(“tsne轴2”)p1 < -p1+scale_color_manual(值=colorvalue)p1 < -p1+主题(面板。背景=element_blank(),传奇。位置=“正确”,axis.text =element_blank(),axis.line。x =element_line(颜色=“黑色”),axis.line。y =element_line(颜色=“黑色”),情节。title =element_blank())p1

二进制PCA

bpca =BinaryPCA(scData =sce)

然后我们想象的低维嵌入二进制PCA tSNE空间。点是颜色相应的细胞类型。

df =as.data.frame(bpca美元x (,c(1:2)))colnames(df) =c(“V1”,“V2”)df美元celltype =celltypep1 < -ggplot(df,aes(x =V1,y =V2,颜色=celltype))p1 < -p1+geom_jitter(大小=2.5,α=0.8)colorvalue < -c(“# 43 d5f9”,“# 24 b71f”,“# E41A1C”,“# ffc935”,“# 3 d014c”,“# 39 ddb2”,“slateblue2”,“栗色”,“# f7df27”,“palevioletred1”,“olivedrab3”,“# 377 eb8”,“# 5043 c1”,“蓝色”,“aquamarine2”,“chartreuse4”,“burlywood2”,“indianred1”,“mediumorchid1”)p1 < -p1+xlab(“tsne轴1”)+ylab(“tsne轴2”)p1 < -p1+scale_color_manual(值=colorvalue)p1 < -p1+主题(面板。背景=element_blank(),传奇。位置=“正确”,axis.text =element_blank(),axis.line。x =element_line(颜色=“黑色”),axis.line。y =element_line(颜色=“黑色”),情节。title =element_blank())p1