L'art de voir l'éléphant dans la pièce : les embeddings 2D des données unicellulaires ont du sens

Un article récent a affirmé que les embeddings t-SNE et UMAP des ensembles de données unicellulaires sont "fallacieux" et échouent à capturer la véritable structure biologique. Les auteurs ont soutenu que de tels embeddings sont aussi arbitraires et trompeurs que de forcer les données à prendre la forme d'un éléphant. Ici, nous montrons que cette conclusion était basée sur des métriques d'évaluation de la qualité des embeddings inadéquates et limitées. Des métriques plus appropriées quantifiant la préservation des voisinages et des classes révèlent l'éléphant dans la pièce : bien que les embeddings t-SNE et UMAP des données unicellulaires ne préservent pas les distances de haute dimension, ils peuvent néanmoins fournir des informations biologiquement pertinentes.