DiviK：用于大数据生物数据中免手动无监督聚类的分裂式智能K-Means

研究分子异质性可揭示肿瘤起源和代谢组学信息。日益增长的数据量使人工分析不可行——因此，自动化无监督学习方法被用于发现异质性。然而，自动化无监督分析需要大量设置超参数的经验，且通常需预先知道预期子结构的数量。此外，大量被测分子需要额外的特征工程步骤以提供有价值的结果。在这项工作中，我们提出DiviK：一种可扩展的逐步算法，具有局部数据驱动的特征空间自适应，用于高维数据集的分割。结合三个质量指标：Dice指数、Rand指数和EXIMS分数，用于在3D空间中评估无监督分析的质量。DiviK在通过质谱成像在2D和3D获取的两个独立高通量数据集上进行了验证。DiviK可成为质谱成像数据初始探索时考虑的默认选择之一。它在绝对异质性检测与关注生物学合理结构之间提供了权衡，且不需要在分析前指定预期结构的数量。凭借其独特的局部特征空间自适应，它在关注细节时对主导性全局模式具有鲁棒性。最后，由于其简单性，DiviK易于推广到更灵活的框架，适用于其他“-omics”数据或一般的表格数据（包括适当嵌入后的医学图像）。通用实现遵循Apache 2.0许可，可在 https://github.com/gmrukwa/divik 免费获取。