Leading with leaders

最初目的：对手上的肿瘤样本（或病人）进行分型分析，期望找到不同的亚型，并对应不同的临床特征。

可扩展应用到：所有样本的亚型分析，用于样本的特征分析。数据可用转录组、基因组、甲基化、蛋白质组等。

输入数据格式：一个数值矩阵，行是基因或者其他特征，列是样本。本分析要求样本数要多，有利于亚型的分析。

参考文献：

Cavalli FMG. Heterogeneity within the PF-EPN-Bependymoma subgroup. Acta Neuropathol. 2018 Aug;136(2):227-237. PMID: 30019219;PMCID: PMC6373486.

参考文献思路：

本文利用室管膜瘤病人的甲基化数据，首先进行了tSNE分型，随后又采用了新的方法spectral clustering进行分类分析，作者比较了两种分类方法。使用spectral clustering的分类，鉴定了每一种肿瘤亚型的特异性表达模式。并且发现spectral clustering的分类和病人的临床特征有关，从而提出一种新的室管膜瘤亚型，可用于临床的筛选和检测。

我们出图效果：

1）肿瘤的tSNE分型：

2）肿瘤的SpC分型

3）每种亚型的特异性表达模式

4）每种亚型的性别差异