[*scICE (Nature Communications, 2025)*](https://www.notion.so/scICE-Nature-Communications-2025-2467edc1679f8076bdedcadea7002318)

scICE 실행 결과

• Input data

  

• 1단계 PCA(embedding)

  pca.csv

• 2단계 UMAP

  umap.csv

  

• 3단계 IC 계산

  

• 4단계 labeling

  consistent_labels.csv

  

scICE output 분석 결과

https://github.com/SuA0409/BioAI/blob/main/proj_diabetes/scICE_beta_treatment_analysis.ipynb

fig1. 같은 treatment 내에서 다양한 subtype이 존재하는지를 나타낸 heatmap. G8(GLP-1_estrogen+insulin)은 cluster 0에, G4(GLP-1), 5(estrogen), 6(GLP-1_estrogen)은 cluster 1에 몰려서 분포하므로, homogeneous한 반응 패턴을 보임. 이는 세포들이 treatment에 대해 일관되게(비슷하게) 반응함을 의미함.

• heatmap 해석

fig2. treatment 간 shared subtype이 있는지를 나타낸 bar plot. G4, 5, 6 treatment에서는 cluster 1 subtype이 많이 나타남. G8 treatment에서만 cluster 0 subtype이 존재함. (fig1과 유사한 패턴)

fig3. 각 treatment condition 별 cluster 분포 시각화. G4, 5, 6은 모두 cluster 1, G8은 cluster 0에서만 눈에 띄게 나타나므로 homogeneous한 response. (fig 1,2와 동일한 패턴) 이는 각 treatment가 매우 일관된 반응을 유도함을 의미.