Key points are not available for this paper at this time.
الخلفية: تعتبر خريطة الحرارة المجمعة الوسيلة الأكثر شيوعاً لتصور البيانات الجينومية. إنها تعرض كمية كبيرة من البيانات بشكل مضغوط وبصيغة بديهية تسهل اكتشاف الهياكل والعلاقات الخفية في البيانات. ومع ذلك، فإن استخدامها لتحليل التجمعات يعوقها لأنها لا تحترم دائمًا العلاقات الجوهرية في البيانات، وغالبًا ما تتطلب إعادة ترتيب غير قياسية للصفوف/الأعمدة تتم بعد التجميع. يؤدي هذا أحيانًا إلى استنتاجات غير مفيدة و/أو مضللة. غالبًا ما يكون من الأكثر فائدة استخدام خوارزميات تقليل الأبعاد (مثل تحليل المكونات الرئيسية وتحجيم الأبعاد المتعددة) التي تحترم الطبوغرافيا الموجودة في البيانات. ومع ذلك، على الرغم من فائدتها المثبتة في تحليل البيانات البيولوجية، إلا أنها ليست مستخدمة على نطاق واسع. ويرجع ذلك جزئيًا على الأقل إلى عدم وجود طرق تصور سهلة الاستخدام لها تأثير بصري مثل خريطة الحرارة. النتائج: NeatMap هو حزمة R مصممة لتلبية هذه الحاجة. يقدم NeatMap مجموعة متنوعة من المخططات الجديدة (في بعدين وثلاثة أبعاد) لاستخدامها بالتزامن مع هذه التقنيات لتقليل الأبعاد. مثل خريطة الحرارة، ولكن على عكس طرق عرض النتائج التقليدية، يسمح بعرض مجموعة البيانات بالكامل أثناء تصور العلاقات بين العناصر. كما أنه يسمح بتراكب نتائج تحليل التجمعات لمصادقة متبادلة. أظهر NeatMap أنه أكثر فائدة من خريطة الحرارة التقليدية بفضل مساعدة مجموعتين من بيانات المصغرات المعروفة. الاستنتاجات: يحافظ NeatMap بذلك على العديد من نقاط القوة لخريطة الحرارة المجمعة بينما يعالج بعض عيوبها. ومن المأمول أن يحفز NeatMap اعتماد خوارزميات تقليل الأبعاد غير المجمعة.
درس راجارام وآخرون (الجمعة) هذا السؤال.