scRNA-seq:如何使用预先计算的PCA分数/负载来使用TSNE python实现？

Question

来自此资源的Python sne实现：https://lvdmaaten.github.io/tsne/

顺便说一句，我是个初学者。

我要做的是:使用scRNA-seq数据集并在其上运行scRNA，但使用以前计算过的PCAs (我有PCA.score和PCA.load文件)。

Q1:我应该能够在tSNE中使用所选的计算出的PCA，但是在运行Y= tsne.tsne(X)?时，使用pca.score还是pca.load呢？

Q2:我尝试删除/替换部分PCA计算代码，以尝试删除PCA预处理，但似乎总是会出现错误。为了正确地使用我已经使用的PCA数据，并且不再从它中计算PCA，我应该更改什么？

PCA处理代码的一部分是它的原始形式：

def pca(X=np.array([]), no_dims=50):
    """
        Runs PCA on the NxD array X in order to reduce its dimensionality to
        no_dims dimensions.
    """

    print("Preprocessing the data using PCA...")
    (n, d) = X.shape
    X = X - np.tile(np.mean(X, 0), (n, 1))
    (l, M) = X  #np.linalg.eig(np.dot(X.T, X))
    Y = np.dot(X, M[:, 0:no_dims])

    return Y

Answer 1

你应该用PCA评分。

至于不运行pca，您只需注释一下这一行：

X = pca(X, initial_dims).real

我所做的是添加一个参数do_pca并编辑如下函数：

def tsne(X=np.array([]), no_dims=2, initial_dims=50, perplexity=30.0,do_pca=True):
    """
        Runs t-SNE on the dataset in the NxD array X to reduce its
        dimensionality to no_dims dimensions. The syntaxis of the function is
        `Y = tsne.tsne(X, no_dims, perplexity), where X is an NxD NumPy array.
    """

    # Check inputs
    if isinstance(no_dims, float):
        print("Error: array X should have type float.")
        return -1
    if round(no_dims) != no_dims:
        print("Error: number of dimensions should be an integer.")
        return -1

    # Initialize variables
    if do_pca:
        X = pca(X, initial_dims).real
    (n, d) = X.shape
    max_iter = 50
    [.. rest stays the same..]

使用示例数据集，而不注释该行：

import numpy as np
from sklearn.manifold import TSNE
from sklearn.datasets import load_digits
import matplotlib.pyplot as plt
import sys
import os
from tsne import *

X,y = load_digits(return_X_y=True,n_class=3)

如果我们运行默认值：

res = tsne(X=X,initial_dims=20,do_pca=True)
plt.scatter(res[:,0],res[:,1],c=y)

​

​

如果我们通过pca：

pc = pca(X)[:,:20]
res = tsne(X=pc,initial_dims=20,do_pca=False)
plt.scatter(res[:,0],res[:,1],c=y)

​

​