肺癌单细胞数据集也有好几十个了，拿到表达量矩阵后的第一层次降维聚类分群通常是：
- immune (CD45 ,PTPRC),
- epithelial/cancer (EpCAM ,EPCAM),
- stromal (CD10 ,MME,fibo or CD31 ,PECAM1,endo)
参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。所以是很容易降维聚类分群啦， 今天的结果如下所示：
今天的结果
然后小伙伴打开了他昨天拿到的代码和结果，详见：换一个分析策略会导致文章的全部论点都得推倒重来吗
看起来似乎是完全不一样，但是实际上不应该是使用肉眼来判断！
一个很简单的方式是代码判断：
代码语言：javascript复制load('phe.Rdata')
phe2 = phe
load('phe1/phe.Rdata')
phe1 = phe
ids = intersect(rownames(phe1),rownames(phe2))
gplots::balloonplot(table( phe1[ids,'celltype'] ,
phe2[ids,'celltype'] ))
如下所示，可以看到两次结果其实是几乎是一模一样：
但是在肉眼看起来就差异很大！
