单细胞基因组学的诡异艺术
Tara Chari1, Lior Pachter1,2
1Division of Biology and Biological Engineering, California Institute of Technology, Pasadena, California, United States of America.
PLoS computational biology
|August 17, 2023
概括
单细胞基因组学中的极端缩小维度扭曲了数据,阻碍了生物发现. 需要新的方法来准确地探索特征和基于假设的研究.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 数据科学数据科学数据科学
背景情况:
- 尺寸缩小在单细胞基因组学中常见,用于数据可视化和分析.
- 当前的做法往往将数据减少到2或3维的视觉检查.
研究的目的:
- 调查极端缩小维度对高维单细胞数据的影响.
- 为探索性生物分析评估低维嵌入的有效性.
主要方法:
- 对减小维度的理论基础进行分析.
- 检查在单细胞基因组学中低维嵌入的实际含义.
- 现行实践与替代方法的比较.
主要成果:
- 极端的维度缩小 (例如,到2D) 显著扭曲了高维数据集.
- 目前在单细胞分析中使用的低维嵌入实践可能会产生反作用.
- 不一致的做法进一步使探索性数据分析复杂化.
结论:
- 在单细胞数据分析中依赖极端的维度缩小可能会导致不准确的生物学见解.
- 需要针对性嵌入和特征探索的替代策略.
- 这项研究倡导以假设为导向的发现,而不是潜在的误导性可视化.
