Die Kunst, den Elefanten im Raum zu sehen: 2D-Einbettungen von Einzelzell-Daten ergeben Sinn

Ein kürzlich erschienener Artikel behauptete, dass t-SNE- und UMAP-Einbettungen von Einzelzell-Datensätzen „scheinheilig“ sind und es nicht schaffen, wahre biologische Strukturen zu erfassen. Die Autoren argumentierten, dass solche Einbettungen ebenso willkürlich und irreführend sind wie das Erzwingen der Daten in die Form eines Elefanten. Hier zeigen wir, dass diese Schlussfolgerung auf unangemessenen und eingeschränkten Metriken der Einbettungsqualität basierte. Geeignetere Metriken, die Nachbarschafts- und Klassenbewahrung quantifizieren, offenbaren den Elefanten im Raum: Während t-SNE- und UMAP-Einbettungen von Einzelzelldaten keine hochdimensionalen Distanzen bewahren, können sie dennoch biologisch relevante Informationen liefern.