DMT-Dens: Metodo basato su Transformer preserva la densità nella visualizzazione di dati biologici ad alta dimensionalità
Un recente preprint su arXiv (2608.17571) presenta DMT-Dens, un metodo per visualizzare varietà parametriche che mantiene la densità di campionamento in rappresentazioni a bassa dimensionalità di dataset biologici ad alta dimensionalità. Questo approccio affronta la sfida dei metodi di embedding che possono distorcere la densità, complicando l'analisi delle popolazioni cellulari rare. DMT-Dens utilizza un encoder Transformer a token latenti e combina l'allineamento di varietà basato su ranghi con l'aggregazione di coppie difficili. Migliora una funzione di perdita che si basa sulla correlazione di Pearson tra le stime del log-raggio dei k vicini più prossimi sia nello spazio di input che in quello di embedding. I test di benchmark dimostrano la sua efficacia nella preservazione della densità e nella separazione delle etichette. DMT-Dens rappresenta un'alternativa efficiente a t-SNE e UMAP per la visualizzazione della genomica a singola cellula, con il preprint accessibile su https://arxiv.org/abs/2608.17571.
Fatti principali
- DMT-Dens è un metodo di visualizzazione di varietà parametriche per dati biologici.
- Utilizza un encoder Transformer a token latenti.
- Il metodo integra l'allineamento di varietà basato su ranghi con l'aggregazione di coppie difficili.
- La funzione di perdita utilizza la correlazione di Pearson tra le stime del log-raggio dei k vicini più prossimi negli spazi di input e di embedding.
- Mira a preservare la densità di campionamento negli embedding a bassa dimensionalità.
- Le valutazioni di benchmark dimostrano una forte preservazione della densità su dataset biologici.
- Il metodo affronta i problemi legati all'interpretazione di popolazioni cellulari rare, transitorie o continue.
- L'articolo è pubblicato su arXiv con ID 2608.17571 e annunciato come cross-type.
Entità
Istituzioni
- arXiv