Milo细胞丰度算法

Milo算法最早发表在2022年的Nature Biotechnology；它是基于K邻近分析细胞丰度的方法；即两组样本之间，哪些细胞群体的数量发生了显著变化？

传统的方法是先聚类，统计每个cluster在不同组中的比例 ， 再做统计检验；但有缺陷：聚类边界是人为划分的，而真实生物学状态往往是连续变化的； 这些连续谱中，很难说某个细胞“突然”属于另一个cluster

https://github.com/MarioniLab/milo

核心思想

Milo 不再依赖聚类。它直接在 kNN 图上定义很多局部邻域（neighborhood）：

• 每个邻域包含一个细胞及其最近邻
• 每个邻域代表局部细胞状态

然后比较这个局部区域在不同条件下的细胞数量是否不同。

计算方法

原文图示

其他文章的美化