single cell ATAC(5)使用ArchR聚类
第五章：在 ArchR 降维结果上给细胞贴标签（聚类）
一句话先读：本章只做一件事——在低维空间里把细胞聚成群，再对照样本来源看批次是否干净。
一、总流程：先做什么 → 后做什么 → 为什么
| 顺序 | 动作 | 目的 |
|---|---|---|
| 1 | 确认已有降维对象 projHeme2 且含 IterativeLSI | 聚类必须在低维空间做 |
| 2 | addClusters(..., method="Seurat") | 快速得细胞群落 |
| 3 | 查看 & 统计 projHeme2$Clusters | 心里对规模有数 |
| 4 | confusionMatrix() + 热图 | 验证批次是否混杂 |
| 5 | 可选：method="scran" 再聚类 | 换个视角，更敏感 |
| 6 | 比较两种结果一致性 | 决定最终用谁 |
二、详细拆解（代码 + 可调参数 + 常见坑）
1. 前置检查
# 确保降维已完成
projHeme2@reducedDims[["IterativeLSI"]] # 不报错即可
- 坑：前面没跑
addIterativeLSI()会直接报错。
2. Seurat 聚类（一键完成）
projHeme2 <- addClusters(input = projHeme2,reducedDims = "IterativeLSI",method = "Seurat",name = "Clusters", # 新列名，可改resolution = 0.8 # 越大 cluster 越多
)
- 可调参数
resolution：0.2–1.2 试不同粒度Seurat::FindClusters()其余参数通过...传入，如algorithm=1
3. 查看聚类结果
head(projHeme2$Clusters) # 每个细胞的 cluster ID
table(projHeme2$Clusters) # 每群细胞数
- 坑：出现
NA说明部分细胞被 QC 过滤，需回溯。
4. 批次质检（混淆矩阵）
聚类混合矩阵(cluster confusion matrix)
为了更好了解样本在cluster的分布
library(ArchR)
cM <- confusionMatrix(paste0(projHeme2$Clusters),paste0(projHeme2$Sample)
)# 归一化热图
cM <- cM / Matrix::rowSums(cM)
pheatmap::pheatmap(as.matrix(cM),color = paletteContinuous("whiteBlue"),border_color = "black"
)
- 解读：行 = cluster，列 = 样本
- 某列独占一行 → 批次效应明显，需回 Harmony/BBKNN 处理
- 建议批次混占比 < 10 %
5. scran 聚类（可选）
除了Seurat, ArchR还能够使用scran进行聚类分析，我们只需要修改addClusters()中的method参数即可。
projHeme2 <- addClusters(input = projHeme2,reducedDims = "IterativeLSI",method = "scran",name = "ScranClusters",k = 15 # kNN 邻居数
)
- 注意：
k相当于 Seurat 的k.param，数据大可提高- 列名不要与第 2 步重名
6. 一致性比较（可选）
table(projHeme2$Clusters, projHeme2$ScranClusters)
- 差异大？
- 结合 UMAP 人工判断
- 或取交集/并集做稳健标记
三、最小可复现 checklist
- 前四章完成，
projHeme2含IterativeLSI - 运行第 2 步代码，得到
Clusters列 -
table()看分布，无 NA - 混淆矩阵批次混占比 < 10 %
- 如需 scran，换列名并重跑比较
跑通以上 5 步，第五章即毕业。