cola，一个做consensus clustering的R包

今天和大家分享是我这个月发表的一个Bioconductor工具，叫做cola。它提供一个普遍的框架，用来做consensus clustering。Bioconductor链接为https://bioconductor.org/packages/cola/，论文链接为https://doi.org/10.1093/nar/gkaa1146。

在cola框架中，consensus clustering被标准化为若干个步骤，其中某些关键步骤中，用户可以自定义自己的方法。如下图所示：

我提出了一个简单但是有效的方法，称作为ATC方法，用来提取有用的feature，用以clustering。这个ATC方法是基于输入矩阵的全局相关系。你可以看到在下图中（第一行的四个热图），四个不同方法所提取的top features，ATC方法提取的top feature能够更有效的生成稳定的clustering（第四个热图）。

我同样提出建议使用shperical k-means clustering （skmeans）对ATC所提取的features进行聚类，我展示了skmeans一般来说能够揭示更多的subgroups，并且分类具有更高的稳定性。

在论文中，我使用了超过400个公共数据集对不同的聚类方法进行了比较。我也对consesus clustering中的关键参数的选择进行了系统性的比较，例如是对行进行随机抽取还是对列进行随机抽取，和随机抽取的次数对结果的影响。

在论文中，我应用cola在基因表达数据和DNA甲基化数据上。结果建议对不同类型的数据应该选择不同的参数和方法，不能宽泛的使用相同的数据（例如缺省的参数）。

cola包支持同时运行多个聚类方法，并且cola提供了大量的函数用以对结果进行比较。下图是cola所生成一些图：

cola提供了强大的函数集，但是同时也提供了一个简单易用的用户接口。也就是说，在大多数情况下，用户只需要执行下面两行代码，然后cola会自动运行所有分析，并且将所有结果生成到一个HTML报告中，并且这个HTML报告中也包含了代码，是完全可以reproducable的。

rl = run all consensus partition methods(matrix, ...)
cola report(rl, ...)