主曲率估计及其在单细胞数据中的应用
机器学习
2025-02-07 v1 人工智能
摘要
单细胞转录组测序（scRNAseq）这一快速发展的领域因其海量数据集而给数据分析带来了挑战。流形学习中的一种常用方法是假设数据集位于一个低维流形上。这使得通过提取曲率等有意义的描述符来研究点云的几何结构成为可能。在本工作中，我们将提出自适应局部主成分分析（AdaL-PCA），这是一种数据驱动的方法，用于精确估计数据流形上的各种内蕴曲率概念，特别是曲面的主曲率。该模型依赖于局部主成分分析来估计切空间。在采样曲面上的评估表明，AdaL-PCA 取得了最先进的结果。结合 PHATE 嵌入，该模型应用于单细胞 RNA 测序数据，使我们能够识别细胞分化中的关键变异。
引用
@article{arxiv.2502.03750,
title = {Principal Curvatures Estimation with Applications to Single Cell Data},
author = {Yanlei Zhang and Lydia Mezrag and Xingzhi Sun and Charles Xu and Kincaid Macdonald and Dhananjay Bhaskar and Smita Krishnaswamy and Guy Wolf and Bastian Rieck},
journal= {arXiv preprint arXiv:2502.03750},
year = {2025}
}
备注
To be published in ICASSP 2025-2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)