基于拓扑非负矩阵分解的单细胞RNA测序数据分析
机器学习
2023-10-25 v1 机器学习
代数拓扑
摘要
单细胞RNA测序（scRNA-seq）是一项相对较新的技术，由于scRNA-seq数据具有的高维性、复杂性和大规模特点，已在统计学、数据科学和计算生物学领域引发了巨大兴趣。非负矩阵分解（NMF）因其对所得低维组分进行元基因解释而提供了一种独特方法。然而，NMF方法缺乏多尺度分析的不足。本工作引入了两种持久拉普拉斯正则化NMF方法，即拓扑NMF（TNMF）和鲁棒拓扑NMF（rTNMF）。通过使用共计12个数据集，我们证明了所提出的TNMF和rTNMF显著优于所有其他基于NMF的方法。我们还利用TNMF和rTNMF对流行的均匀流形近似与投影（UMAP）和t分布随机邻域嵌入（t-SNE）进行了可视化。
引用
@article{arxiv.2310.15744,
title = {Analyzing Single Cell RNA Sequencing with Topological Nonnegative Matrix Factorization},
author = {Yuta Hozumi and Guo-Wei Wei},
journal= {arXiv preprint arXiv:2310.15744},
year = {2023}
}