Pourquoi préserver la densité dans les embeddings biologiques
Les représentations en basse dimension sont devenues un outil standard pour étudier les données unicellulaires : elles permettent de voir comment les cellules se regroupent en populations et de suivre les états transitionnels. Cependant, les méthodes de visualisation classiques comme t-SNE ou UMAP préservent bien les voisinages locaux, mais déforment souvent la densité apparente des points. En conséquence, les amas denses de cellules semblent épars, tandis que les états rares fusionnent au contraire en un nuage unique. Cela complique sérieusement l'interprétation des trajectoires cellulaires continues et des populations transitionnelles peu nombreuses.
Lorsque la densité de la distribution d'origine est perdue, le chercheur peut prendre du bruit aléatoire pour une population distincte ou manquer un phénotype transitionnel important. La tâche est donc la suivante : construire une visualisation qui préserve à la fois la structure de voisinage et la densité locale des points.
Comment fonctionne DMT-Dens
Un groupe de chercheurs a proposé une méthode de visualisation paramétrique qui optimise directement la préservation de la densité. Le modèle, nommé DMT-Dens, est construit sur un encodeur Transformer à jetons latents. Le réseau apprend à projeter des données biologiques de haute dimension dans un espace bidimensionnel de telle sorte que le classement des plus proches voisins dans l'espace d'origine et dans la projection reste cohérent.
Pour cela, une combinaison de deux mécanismes est utilisée :
- alignement des rangs des variétés — le modèle apprend à préserver l'ordre des distances entre les objets, et non les distances elles-mêmes ;
- agrégation des paires dures — une attention particulière est portée aux paires de points situées à la frontière de transition entre les zones denses et éparses.
L'idée clé de la fonction de perte est la corrélation de Pearson entre les rayons logarithmiques des k plus proches voisins dans l'espace d'origine et dans l'embedding bidimensionnel obtenu. Cela permet au modèle de pénaliser les cas où la densité dans la projection ne correspond pas à la densité d'origine. La prise de logarithmes des rayons rend l'estimation robuste aux valeurs aberrantes et à la mise à l'échelle des données.
Résultats des benchmarks
Les auteurs ont testé la méthode sur plusieurs ensembles de données biologiques. La conclusion principale : DMT-Dens préserve effectivement la densité bien mieux que les méthodes de visualisation traditionnelles, tout en maintenant la séparabilité des étiquettes de types cellulaires à un niveau compétitif. Cela signifie que les clusters denses ne sont pas estompés et que les états transitionnels rares ne se perdent pas sur le fond général.
Il est important de noter que l'amélioration de la densité ne se fait pas au détriment de la qualité principale de la visualisation : la structure de voisinage des données, nécessaire pour séparer les différentes populations, est préservée. Cet équilibre est particulièrement précieux pour l'analyse de systèmes biologiques complexes, où les tendances globales et les détails locaux sont tous deux importants.
Disponibilité et détails
Le code source, les scripts de traitement des données et les configurations des expériences sont disponibles dans le dépôt du projet. L'article lui-même compte 22 pages et comprend 5 figures, 2 tableaux et du matériel supplémentaire. Grâce à l'implémentation ouverte, la méthode peut être reproduite et adaptée à vos propres ensembles de données, et comparée à d'autres approches de préservation de la densité en visualisation.
