通过CCP辅助的UMAP与t-SNE分析scRNA-seq数据
机器学习
2023-06-27 v1
摘要
单细胞RNA测序（scRNA-seq）被广泛用于揭示细胞的异质性，使我们深入理解了细胞间通讯、细胞分化和差异基因表达。然而，由于稀疏性及涉及大量基因，分析scRNA-seq数据是一项挑战。因此，降维与特征选择对于去除伪信号并增强下游分析十分重要。相关聚类与投影（CCP）最近作为一种预处理scRNA-seq数据的有效方法被提出。CCP利用基因-基因相关性对基因进行划分，并基于该划分采用细胞-细胞相互作用获得超级基因。由于CCP是一种不需要矩阵对角化的数据域方法，它可用于许多下游机器学习任务。在本工作中，我们利用CCP作为均匀流形近似与投影（UMAP）和t分布随机邻域嵌入（t-SNE）的初始化工具。通过使用八个公开数据集，我们发现CCP显著改善了UMAP和t-SNE的可视化并大幅提升了它们的准确性。
引用
@article{arxiv.2306.13750,
title = {Analyzing scRNA-seq data by CCP-assisted UMAP and t-SNE},
author = {Yuta Hozumi and Gu-Wei Wei},
journal= {arXiv preprint arXiv:2306.13750},
year = {2023}
}