Le choix de la résolution de regroupement (clustering) constitue l'une des décisions les plus importantes et les plus subjectives de l'analyse en cellule unique. clustOpt élimine cette part de subjectivité.

Il combine validation croisée par sujet, fractionnement en composantes principales, forêts aléatoires et évaluation de la qualité des regroupements par silhouette afin de recommander une résolution reproductible entre les sujets et exempte de fuite de données.

Fonctionnalités

• Sélection guidée par les données du paramètre de résolution FindClusters de Seurat, sans inspection manuelle des gènes marqueurs
• Évite le double trempage (double dipping) en entraînant et en prédisant dans des sous-espaces de composantes principales indépendants
• Prétraitement adapté tant au scRNA-seq qu'à la cytométrie de masse (CyTOF)
• Traite plus de 200 000 cellules grâce à l'échantillonnage par score de levier de Seurat et aux matrices BPCells sur disque
• Offert sous forme de paquet R et d'image Docker

Gill, Shin, Agrawal, Thomas (2025). Optimizing Clustering Resolution for Multi-subject Single Cell Studies. Présenté à ISMB 2025.

Dépôt · Documentation