cola，一個做consensus clustering的R包

今天和大家分享是我這個月發(fā)表的一個Bioconductor工具，叫做cola。它提供一個普遍的框架，用來做consensus clustering。Bioconductor鏈接為https://bioconductor.org/packages/cola/，論文鏈接為https://doi.org/10.1093/nar/gkaa1146。

在cola框架中，consensus clustering被標(biāo)準(zhǔn)化為若干個步驟，其中某些關(guān)鍵步驟中，用戶可以自定義自己的方法。如下圖所示：

我提出了一個簡單但是有效的方法，稱作為ATC方法，用來提取有用的feature，用以clustering。這個ATC方法是基于輸入矩陣的全局相關(guān)系。你可以看到在下圖中（第一行的四個熱圖），四個不同方法所提取的top features，ATC方法提取的top feature能夠更有效的生成穩(wěn)定的clustering（第四個熱圖）。

我同樣提出建議使用shperical k-means clustering （skmeans）對ATC所提取的features進(jìn)行聚類，我展示了skmeans一般來說能夠揭示更多的subgroups，并且分類具有更高的穩(wěn)定性。

在論文中，我使用了超過400個公共數(shù)據(jù)集對不同的聚類方法進(jìn)行了比較。我也對consesus clustering中的關(guān)鍵參數(shù)的選擇進(jìn)行了系統(tǒng)性的比較，例如是對行進(jìn)行隨機抽取還是對列進(jìn)行隨機抽取，和隨機抽取的次數(shù)對結(jié)果的影響。

在論文中，我應(yīng)用cola在基因表達(dá)數(shù)據(jù)和DNA甲基化數(shù)據(jù)上。結(jié)果建議對不同類型的數(shù)據(jù)應(yīng)該選擇不同的參數(shù)和方法，不能寬泛的使用相同的數(shù)據(jù)（例如缺省的參數(shù)）。

cola包支持同時運行多個聚類方法，并且cola提供了大量的函數(shù)用以對結(jié)果進(jìn)行比較。下圖是cola所生成一些圖：

cola提供了強大的函數(shù)集，但是同時也提供了一個簡單易用的用戶接口。也就是說，在大多數(shù)情況下，用戶只需要執(zhí)行下面兩行代碼，然后cola會自動運行所有分析，并且將所有結(jié)果生成到一個HTML報告中，并且這個HTML報告中也包含了代碼，是完全可以reproducable的。

rl?=?run?all?consensus?partition?methods(matrix,?...)
cola?report(rl,?...)

最后，歡迎大家使用！