集成 Pathway 和单细胞表达数据的细胞聚类研究综述

文章标题：Improving Single-Cell RNA-seq Clustering by Integrating Pathways

这篇发表在 Briefings in Bioinformatics 上的综述文章的核心方法是结合 SCENIC 中的 AUCell 方法对 Cell 中的每个 Pathway 进行打分，相当于对每一个细胞在宏观结构上有一个得分特征，再结合原始的单细胞表达数据进行融合后来利用已知的聚类方法来聚类。融合方法采用的是SNF ，对应的英文表述是 SNF is used to integrate gene-level features (cell-gene expression matrix) and pathway-level features (cell-pathway AUCell score matrix) ，不断迭代，最后使用融合后的矩阵进行聚类分析。

从下图可以看出：从 Accuracy 和 Robustness 这两个指标上来看，SC3 方法和 KEGG 是比较好的结合方式。

这篇文章的改进点是很多的，最直接的是这个融合方法可以继续改进，包括对 SNF 的改进和不用 SNF 进行改进。