لماذا الحفاظ على الكثافة في التضمينات البيولوجية
أصبحت التمثيلات منخفضة الأبعاد أداة قياسية لدراسة البيانات أحادية الخلية: فهي تتيح رؤية كيفية تجمع الخلايا في مجموعات سكانية وتتبع الحالات الانتقالية. ومع ذلك، فإن طرق التصور الكلاسيكية مثل t-SNE أو UMAP تحافظ جيدًا على الأحياء المحلية، لكنها غالبًا ما تشوه الكثافة الظاهرية للنقاط. ونتيجة لذلك، تبدو التجمعات الخلوية الكثيفة متناثرة، بينما تندمج الحالات النادرة في سحابة واحدة. وهذا يعيق بشكل كبير تفسير المسارات الخلوية المستمرة والمجموعات الانتقالية قليلة العدد.
عندما تُفقد كثافة التوزيع الأصلي، قد يخلط الباحث بين الضوضاء العشوائية ومجموعة سكانية منفصلة أو يفوت نمطًا ظاهريًا انتقاليًا مهمًا. لذلك تبرز الحاجة إلى: بناء تصور يحافظ في الوقت نفسه على بنية الجوار والكثافة المحلية للنقاط.
كيف يعمل DMT-Dens
اقترحت مجموعة من الباحثين طريقة تصور بارامترية تعمل مباشرة على تحسين الحفاظ على الكثافة. النموذج المسمى DMT-Dens مبني على أساس مُرمِّز Transformer بالرموز الكامنة. تتعلم الشبكة رسم الخرائط من البيانات البيولوجية عالية الأبعاد إلى فضاء ثنائي الأبعاد بحيث يظل ترتيب الجيران الأقرب في الفضاء الأصلي وفي الإسقاط متسقًا.
لتحقيق ذلك، يُستخدم مزيج من آليتين:
- محاذاة رتب المتشعبات — يتعلم النموذج الحفاظ على ترتيب المسافات بين الكائنات، وليس المسافات نفسها؛
- تجميع الأزواج الصلبة — يتم إيلاء اهتمام خاص لأزواج النقاط الواقعة على حدود الانتقال بين المناطق الكثيفة والمتناثرة.
الفكرة الأساسية لدالة الخسارة هي ارتباط بيرسون بين أنصاف الأقطار اللوغاريتمية لأقرب الجيران k في الفضاء الأصلي وفي التضمين ثنائي الأبعاد الناتج. وهذا يسمح للنموذج بمعاقبة الحالات التي لا تتوافق فيها الكثافة في الإسقاط مع الأصل. يجعل أخذ اللوغاريتم لأنصاف الأقطار التقدير مقاومًا للقيم الشاذة وتدرج البيانات.
نتائج المعايير
اختبر المؤلفون الطريقة على عدة مجموعات بيانات بيولوجية. الاستنتاج الرئيسي: يحافظ DMT-Dens بالفعل على الكثافة بشكل أفضل بكثير من طرق التصور التقليدية، مع بقاء قابلية فصل تسميات أنواع الخلايا عند مستوى تنافسي. وهذا يعني أن العناقيد الكثيفة لا تتعرض للتمويه، ولا تضيع الحالات الانتقالية النادرة على الخلفية العامة.
من المهم أن تحسين الكثافة لا يتحقق على حساب تدهور الجودة الأساسية للتصور: بنية الجوار للبيانات، اللازمة لفصل المجموعات السكانية المختلفة، يتم الحفاظ عليها. هذا التوازن ذو قيمة خاصة لتحليل الأنظمة البيولوجية المعقدة، حيث تكون الأنماط العالمية والتفاصيل المحلية مهمة على حد سواء.
التوفر والتفاصيل
الكود المصدري، ونصوص معالجة البيانات، وإعدادات التجارب متاحة في مستودع المشروع. المقال نفسه يبلغ 22 صفحة ويتضمن 5 أشكال، وجدولين، ومواد تكميلية. بفضل التنفيذ المفتوح، يمكن إعادة إنتاج الطريقة وتكييفها مع مجموعات البيانات الخاصة بك، وكذلك مقارنتها بمناهج أخرى للحفاظ على الكثافة عند التصور.
