无监督聚类方法多种多样，分析时不知从何入手？今天小编给大家带来一个无监督聚类分析方法对比的文章，其中包含了13种无监督聚类的方法及相关的R包，并且将其汇总构建R包CrIMMix。

Clustering and variable selection evaluation of 13 unsupervised methods for multi-omics data integration

无监督聚类分析方法有（相关R包信息见表格1）：RGCCA （Regularized generalized canonical correlation analysis）SGCCA （Sparse generalized canonical correlation analysis）MCIA （Multiple co-inertia analysis）intNMF （integrative- non-negative matrix factorization）iCluster and iClusterPlusMoClusterMOFASNFMixKernelCIMLRPINS and PINSPLUSConsensus clusteringLRAcluster

采用多种组学数据集，包括蛋白质组学，代谢组学，转录组学，表观基因组学和基因组学（体细胞突变和拷贝数变异），评估各方法聚类及变量选择的能力。

运行时间

所有方法每次运行的计算时间都在几秒钟到几分钟之间。最快的方法是SNF，三种最慢的方法是iClusterPlus，CIMLR和intNMF。此外，对于SGCCA，PINSPlus和ConsensusClustering方法，当人数增加时，计算时间会略有增加。

参数调整的影响MoCluster，SGCCA，RGCCA，intNMF和MCIA都需要调整潜在配置文件的数量；SGCCA，MoCluster和iClusterPlus需要调整稀疏性参数；RGCCA涉及调整收缩参数τ。通过调整ARI和ROC曲线研究了潜在变量数d，收缩参数τ和稀疏性参数的影响。d的值太小或太高都会降低恢复相关变量和真实聚类的能力; 如果稀疏度太高，则会遗漏大量相关变量，而如果稀疏度太低，则FPR会增加；τ不会影响结果。

聚簇选择LRACluster，MoCluster和SGCCA是选择中位数等于4的聚簇的最佳方法；PINSPLUS在2至4个集群之间进行恢复，而RGCCA在3至5个聚簇之间进行选择，而iClusterPlus在2至5之间进行聚簇；SNF，RGCCA，intNMF和mixKernel在3个聚簇中仅恢复2个；最后，恢复聚簇的三种最差方法是ConsensusClustering，CIMLR和MCIA。

聚类评估比较所有方法对样本进行正确子组分类的能力。ARI是一个分数，用于衡量两个聚类之间的相似性。在此，在模拟聚类和方法给出的聚类之间计算ARI。在噪声水平的影响：使用B1，B2，B3和B4基准来评估数据集噪声水平的影响，最一致的方法是SNF，MoCluster，intNMF PINSPLUS，ConsensusClustering，LRAcluster，RGCCA和mixKernel，四个基准的平均ARI均大于0.80；CIMLR和iClusterPlus难以达到ARI的最大值；MCIA和SGCCA是变异性更大的方法。subgroup数量的影响：使用B6，B7和B8基准了评估整个数据集中的subgroup数量的影响，SNF, RGCCA, PINSPLUS, Consensus- Clustering, LRAcluster, MoCluster, intNMF and SGCCA 是变化不敏感的方法；mixKernel, iClusterPlus and MCIA仅由两个子组组成，存在稳定性问题。

变量选择的稳定性

只有四种方法执行变量选择：MoCluster，SGCCA，CIMLR和iClusterPlus。MoCluster具有更好的处理二进制分布的能力，可以选择频率高于90％的大多数变量，总体上优于其他方法。

总之，在聚类方面，SNF、MoCluster、CIMLR、LRAcluster、ConsensusClustering和intNMF的效果最好；在变量选择方面，MoCluster优于其他。详细情况总结如下表所示：

并且，在GitHub上提供一个名为CrIMMix的R包，汇总上述方法，通过简单的命令行和统一的输出运行所有方法，这样便捷的方式，大家可以尝试起来呀~