空间邻域组成聚类方法选择

🧬 空间邻域组成聚类系统性总结：从特征构建到方法选择

---

一、任务目标：识别“空间亚型”

空间亚型分析旨在根据细胞在组织中邻域结构的组成特征，识别出功能或状态上不同的“空间细胞类群”，如不同的 CAF 微环境类型。

---

二、分析流程概览

✅ 输入数据：

• CAF × CellType 的邻域比例矩阵
• 每个 CAF 一行，每列是邻域内某类细胞的占比（加总为 1 或标准化）

✅ 两个步骤：

步骤	说明
Step 1：构建邻域特征向量	统计每个目标细胞周围某个半径内，各类细胞的比例（或数量）
Step 2：对这些特征向量聚类	将这些邻域组成作为向量输入，进行聚类，得到空间亚型

---

三、特征向量构建方式（Step 1）

方法类别	描述
固定半径邻域	设置如 80μm 半径，统计邻近细胞组成
K 近邻	对每个目标细胞寻找最近的 K 个细胞，统计类型占比
加权邻域	对邻居加权（距离越近权重越大），体现“局部密度影响”
多尺度邻域分析	以多种半径重复统计，用于评估微环境变化（如近邻 vs 远邻）

---

四、聚类方法扩展（Step 2）

---

✅ 已总结方法：

方法组合	特点分析
NMF + Leiden	✨ 推荐方式：NMF 可解释性强，Leiden 能高效识别复杂结构模式
PCA + K-means	快速简洁，适合簇间线性可分数据，但对复杂结构或过渡状态不敏感
Hierarchical clustering	多用于构建树状图谱、层级关系展示，适合探索数据结构而非最终划分类别
Topic modeling (LDA)	概率模型识别“邻域共存潜在主题”，适合复杂混合邻域建模，但调参难度较高

---

✅ 补充建议方法：

1️⃣ Gaussian Mixture Model (GMM)

• 假设邻域组成数据由多个高斯分布混合而成
• 提供soft clustering（每个细胞对所有簇的概率归属）
• 适合邻域组成连续变化的状态转化类分析

2️⃣ HDBSCAN（Hierarchical Density-Based Spatial Clustering）

• 基于密度的层级聚类，无需预设簇数
• 可识别出稠密簇与稀疏“孤立点”（如罕见邻域模式）
• 特别适合数据分布不均、存在孤立亚型的组织分析

3️⃣ PhenoGraph / Graph-based 社区检测

• 构建 k-NN 图后使用 Louvain/Leiden 社区划分算法
• 原用于单细胞表达数据聚类，已广泛应用于空间邻域组成分析
• 对数据结构自适应性强，尤其适合高维特征

4️⃣ Diffusion Map + Spectral Clustering

• 利用扩散距离重建细胞间“状态空间”，比欧式距离更鲁棒
• 谱聚类通过拉普拉斯矩阵特征值分解进行分群
• 特别适合处理状态过渡、组织梯度类问题（如发育轨迹、肿瘤侵袭边界）

---

✅ 方法对比总结表

方法	原理概述	优势与适用场景
NMF + Leiden	非负分解 + 社区检测	可解释性强，适合组成特征向量，捕捉异质性
PCA + K-means	主成分 + 欧式聚类	快速高效，适合线性可分的分群任务
PCA + Louvain / Leiden	主成分 → 相似性图 → 社区划分	网络结构友好，适合复杂空间邻域聚类
Hierarchical clustering	基于距离或相似度递归构建聚类树	可展示亚型之间关系，适合探索性热图分析
LDA (Topic modeling)	基于概率的“主题”识别模型	适合发现多个细胞类型共存的“微环境模式”
GMM（高斯混合模型）	模型每类邻域为高斯分布，输出概率分群	适合识别模糊边界或过渡状态，可视化清晰
HDBSCAN	基于密度的层级聚类	不需指定簇数，能识别稀有簇，适合不规则数据分布
Diffusion + Spectral	扩散图构建状态空间，谱聚类判别边界	适合状态连续变化场景，如肿瘤边缘、发育轨迹
PhenoGraph	基于图的邻接网络 + Louvain 分群	稳健、已验证广泛，适合高维表达 / 细胞组成类问题

---

✅ 方法选择建议：

分析需求	建议方法
需要高可解释性	NMF / LDA
目标簇分布复杂/不规则	HDBSCAN / GMM
想追踪状态变化轨迹	Diffusion Map + Spectral
快速初筛、聚类快速对比	PCA + K-means
兼容 Scanpy/Seurat 工作流	Leiden / Louvain 基于图的方法

---

五、可视化方式与“饼图”的解释

可视化图	来源说明	功能说明
饼图	对聚类结果中每类细胞的邻域组成向量求均值后绘图	表示该空间亚型的“邻域细胞组成特征”
热图	使用 seaborn.clustermap 或 ComplexHeatmap	可展示所有细胞或空间亚型与细胞类型的组成强度
UMAP	可将 CAF 的邻域向量降维后上色	展示空间亚型在结构上的分布
空间坐标上标色	每类亚型染成不同颜色点	展示组织中 CAF 亚型的空间分布格局

---

六、算法数学基础：NMF 拓展回顾

你对 NMF 的数学原理、分解机制、优化过程、在 CAF 分析中的应用都已经总结得非常完整：

• 分解公式 $V \approx WH$
• 非负约束带来的可解释性
• 每个 CAF 被看作若干“空间模式”的加权组合
• 对 $W$ 聚类可得到 CAF 的空间亚型

---

七、跨样本标准化建议

为统一不同切片的细胞组成差异，可以：

• 将每个 CAF 邻域向量 除以组织全局细胞比例
• 或使用 Z-score 标准化处理

---

✅ 一图总结分析流程：

[原始细胞位置+类型]
        ↓
[计算邻域构成向量]
        ↓
[构成目标细胞 × 细胞类型矩阵]
        ↓
[NMF / PCA / LDA 等降维]
        ↓
[Leiden / K-means 聚类]
        ↓
[CAF 空间亚型 → 饼图 / 热图 / 空间投影]

---

✅ 总结表

分析环节	方法与建议
邻域定义	固定半径 / K近邻 / 多尺度
特征构建	构成比例向量
降维+聚类	NMF + Leiden（推荐） / PCA + Louvain / LDA / GMM
结果可视化	饼图（组均值）、热图、空间图、UMAP
跨样本归一化	与切片总体组成比值 / Z-score

---

🧩 补充：完整代码实现建议（Python / R）

---

✅ Python 实现方案（Scanpy + sklearn）

from sklearn.decomposition import NMF
from sklearn.preprocessing import normalize
import scanpy as sc
import numpy as np
import anndata as ad
import pandas as pd

# 假设邻域矩阵为 CAF × cell_type（纯数值、已归一化）
X = np.array(...)  # shape: (n_caf, n_cell_types)

# Step 1: NMF 分解
nmf = NMF(n_components=4, init='nndsvd', random_state=0)
W = nmf.fit_transform(X)  # CAF × topic matrix
H = nmf.components_       # topic × cell_type

# Step 2: 转为 AnnData → 聚类
adata = ad.AnnData(W)
sc.pp.neighbors(adata)
sc.tl.leiden(adata, resolution=0.3)
adata.obs['spatial_subtype'] = adata.obs['leiden']

# Step 3: 每个聚类的邻域组成均值 → 饼图绘制（示意）
df = pd.DataFrame(X)
df['cluster'] = adata.obs['spatial_subtype'].values
mean_profiles = df.groupby('cluster').mean()
mean_profiles.plot.pie(subplots=True, figsize=(10, 3))

---

✅ R 等效实现（NMF + Seurat）

library(NMF)
library(Seurat)

# Step 1: NMF
nmf_res <- nmf(X, rank = 4, method = "brunet", nrun = 20)
W <- basis(nmf_res)   # CAF × topic
H <- coef(nmf_res)    # topic × cell_type

# Step 2: 聚类分析
seurat_obj <- CreateSeuratObject(counts = t(W))
seurat_obj <- FindNeighbors(seurat_obj)
seurat_obj <- FindClusters(seurat_obj, resolution = 0.3)

📌建议使用 factoextra::fviz_nbclust() 或 clValid::clValid() 帮助选定聚类数。

---

🧠 方法对照与适用性建议表

方法组合	可解释性	异质性建模	状态连续性	自动确定簇数	适用场景和备注
NMF + Leiden	✅ 高	✅	❌ 离散	❌	主流推荐方法，可生成因子解释图和聚类图
PCA + KMeans	❌ 一般	❌	❌	❌	快速初筛，适合均值分离明显的簇
GMM + soft assignment	❌ 一般	✅	✅ 连续谱系	❌	支持 soft label，适合状态过渡和模糊边界分析
HDBSCAN（密度聚类）	❌ 一般	✅	❌	✅ 自动识别	可识别孤立亚型和稀有空间构型
PhenoGraph / Louvain	❌	✅	❌	✅ 基于图密度	图聚类主流方法，兼容 Scanpy/Seurat，适合大数据量
DiffusionMap + Spectral	❌ 可视化主	✅	✅ 连续轨迹	❌	拓扑结构敏感，适合处理“状态过渡型空间模式”
Hierarchical clustering	✅ 树形结构	✅	❌	✅ 可剪分支	适合探索聚类之间关系、绘制热图，适合 small data
LDA (Topic modeling)	✅ 高	✅	✅（分布式表示）	❌	理论强大但需调参，适合复杂混合邻域（但需经验）

---

✅ 分析设计建议总结

目标类型	推荐方法组合	参数建议
高解释性 + 聚类	NMF + Leiden	n_components ≈ 3–6，resolution=0.3
多态过渡 + 模糊边界分析	GMM 或 DiffusionMap + Spectral	Gaussian n ≈ 4，diffusion steps=10
稀有亚型发现	HDBSCAN	min_samples=5, min_cluster_size=10
快速自动聚类	PCA + Louvain / PhenoGraph	PCA 维度=10~30，kNN=15–30
样本归一化对比	先标准化邻域向量 → 除以全图细胞组成比例	CAF邻域构成 / 全组织构成