面向高维细胞数据的流艺术家
机器学习
2023-08-02 v1 定量方法
摘要
我们考虑对从具有关联流或速度的底层流形上采样得到的点云数据进行嵌入的问题。此类数据出现在许多测量动态实体静态快照的场景中，包括单细胞转录组学等高通量生物学。现有嵌入技术要么不利用速度信息，要么独立嵌入坐标与速度，即要么在已有点的嵌入上强加速度，要么在规定的向量场中嵌入点。本文提出FlowArtist，一种在嵌入点的同时联合学习点周围向量场的神经网络。该组合使FlowArtist能更好地分离并可视化速度感知的结构。我们在玩具数据集和单细胞RNA速度数据上的结果说明了协同利用坐标与速度信息进行高维数据嵌入与可视化的价值。
引用
@article{arxiv.2308.00176,
title = {A Flow Artist for High-Dimensional Cellular Data},
author = {Kincaid MacDonald and Dhananjay Bhaskar and Guy Thampakkul and Nhi Nguyen and Joia Zhang and Michael Perlmutter and Ian Adelstein and Smita Krishnaswamy},
journal= {arXiv preprint arXiv:2308.00176},
year = {2023}
}
备注
Accepted for publication in 2023 IEEE 33rd International Workshop on Machine Learning for Signal Processing (MLSP)