一个随机预测的基准研究和尺寸缩小策略在单细胞分析的主要组成部分

科学领域:

• 计算生物学是一种计算生物学.
• 生物信息学是一种生物信息学.
• 数据科学是数据科学.

背景情况:

• 主要组件分析 (PCA) 是一种用于降低高维数据的维度的标准,例如单细胞RNA测序 (scRNA-seq).
• PCA的局限性包括大数据集的性能退化,对异常值的敏感性和线性假设.
• 随机投影 (RP) 方法提供了新兴的替代方案,解决了PCA的一些缺点.

研究的目的:

• 系统地评估和比较PCA和各种RP方法的性能.
• 评估scRNA-seq数据下游分析的计算效率和有效性.
• 为选择最佳的维度减小技术提供见解.

主要方法:

• 基准PCA (包括SVD和随机SVD) 与RP算法 (Sparse和高斯式RP) 相比.
• 使用多个scRNA-seq数据集 (标记和未标记) 进行性能评估.
• 使用等级聚类和球形K-Means评估下游聚类质量.
• 测量聚类准确性 (匈牙利算法,相互信息) 和分离 (恩指数,差距统计).
• 评估数据变异性 (集群内平方和 - WCSS) 和局部性保护.

主要成果:

• 与PCA相比,RP方法显示出更高的计算速度.
• 在保持数据可变性和下游集群质量方面,RP方法与PCA竞争或超过PCA.
• 在几个评估的指标中,局部性保护与RP显著更好.
• 在标记和未标记的scRNA-seq数据集上,RP方法在各种指标上表现得更好.

结论:

• 随机投影方法是PCA的计算效率高,有效的替代方案,用于scRNA-seq的维度减少.
• RP技术在可扩展性和下游分析性能方面具有优势.
• 本研究提供了一个全面的基准,以指导选择基于特定分析需求的缩小维度方法.