单细胞04.JackStraw跟稻草人有啥关系？

在单细胞数据分析中，JackStraw 是一种用于评估主成分分析（PCA）结果可靠性的统计方法，主要用于确定哪些主成分（PCs）具有显著的生物学意义，而不是随机噪声。因为并非所有主成分都包含有意义的生物学信息，有些可能是由技术噪声或随机变异引起的。JackStraw通过随机置换（permutation）方法，生成一个“随机背景”，然后将实际数据的主成分与随机背景进行比较，从而判断哪些主成分是显著的。同时，通过JackStraw分析可以筛选出具有统计学显著性的主成分，用于后续的降维或差异表达分析。此外，避免将噪声或无关变异误认为是生物学信号，从而提高下游分析的准确性。

JackStraw的名字源于英语中的“Jack Straw”，即“稻草人”。稻草人通常是一个象征性的、无实质内容的形象，用于吸引注意力或分散注意力。在JackStraw方法中，随机置换生成的数据类似于“稻草人”，代表无意义背景噪声。通过将实际数据与这些“稻草人”比较，可以区分出哪些主成分是真实的生物学信号，哪些是随机噪声。

JackStraw Plot 的结构

1. X轴：实际观测到的p值（经验的），代表有意义的主成分。
2. Y轴：通过生成的1000个随机数，模拟随机情况下的理论 p 值，代表噪声的主成分。
3. 虚线：通常表示显著性阈值（如p=0.05）。

在实际数据分析中，JackStrawPlot与ElbowPlot结合分析，确定主成分的维度数。

############----04.数据降维，PCA+UMAP/TSNE-------##############

rm(list = ls())

gc()

getwd()

library(Seurat)

load(file = "day02_sce_data.Rdata")

pbmc = FindNeighbors(pbmc, dims = 1:10)

pbmc = FindClusters(pbmc, resolution = 0.5)

###先用PCA线性降维

pbmc = RunPCA(pbmc, features = VariableFeatures(object = pbmc))

#数据可视化方法有VizDimReduction(), DimPlot(), and DimHeatmap()

VizDimLoadings(pbmc, dims = 1:2, reduction = "pca")

DimPlot(pbmc, reduction = "pca")

DimHeatmap(pbmc, dims = 1:9, cells = 500, balanced = TRUE) #信息更多

##维度计算

pbmc = JackStraw(pbmc, num.replicate = 100) #时间较长

pbmc = ScoreJackStraw(pbmc, dims = 1:10)

#选择p值变化最显著的维度

JackStrawPlot(pbmc, dims = 1:20)

JackStrawPlot(pbmc, dims = 1:15)

JackStrawPlot(pbmc, dims = 1:10)

#确定合适的Elbow值

ElbowPlot(pbmc)

###使用UMAP及进行非线性降维

pbmc = RunUMAP(pbmc, dims = 1:10)

pbmc = RunTSNE(pbmc, dims = 1:10)

#数据可视化

plot1 = DimPlot(pbmc, reduction = "umap", label = F)

plot2 = DimPlot(pbmc, reduction = "tsne", label = F)

plot1 + plot2