Key points are not available for this paper at this time.
تشكل مهمة أساسية في تحليل بيانات الخلايا الفردية استعادة الأبعاد الكامنة التي تشفر المناظر الجينية والإيبيجينيتية التي تقطنها أنواع الخلايا وسلالاتها. ومع ذلك، هناك نقص في التوافق حول أساليب النمذجة والتصور المثلى. هنا، نقترح أن يتم نمذجة هذه المناظر بشكل مثالي كمانيفولدات ريمان، ونقدم TopOMetry، أداة حسابية قائمة على مؤشرات من نوع لابلاسيان لتعلم هذه المانيفولدات. يتعلم TopOMetry ويقيم العشرات من التمثيلات الممكنة بشكل منهجي، مما يقضي على الحاجة لاختيار طريقة تقليل أبعاد واحدة مسبقًا. تحافظ التصورات التي تم تعلمها على معلومات أصلية أكثر من المعايير الحالية القائمة على PCA عبر بيانات الخلايا الفردية وغير البيولوجية. يتيح TopOMetry للمستخدمين تقدير الأبعاد الذاتية وتصور التشوهات باستخدام مقياس ريمان، من بين مهام صعبة أخرى. توضح قدرته على توليد الفرضيات أن TopOMetry يقترح وجود عشرات من مجموعات خلايا T الفرعية الجديدة التي توجد باستمرار عبر مجموعات البيانات العامة والتي تت Correspond إلى أنماط معينة. TopOMetry متاح على https://github.com/davisidarta/topometry.
درس سيدارتا-أوليفيرا وآخرون (الاثنين) هذا السؤال.