由高吞吐量技术创建的高维数据需要可视化工具以直观的形式显示数据结构和模式。近日，美国耶鲁大学Smita Krishnaswamy、乔治亚大学Natalia B. Ivanova、加拿大蒙特利尔大学Guy Wolf的研究小组合作，开发了能够可视化高维生物数据中结构和转换的工具。研究人员提出了一种利用数据点之间的信息几何距离捕获局部和全局非线性结构的可视化方法PHATE。研究人员将PHATE与各种人工和生物数据集上的其他工具进行比较，发现它始终如一地在数据中保留一系列模式，包括连续的进展、分支和集群，比其他工具更好。研究人员定义了一个流形保藏度量，我们称之为去噪嵌入流形保藏(DEMaP)，并证明了PHATE生成的低维嵌入在数量上比现有的可视化方法去噪效果更好。对新生成的单细胞RNA测序数据集的分析显示了PHATE如何揭示对主要发育分支的独特生物学洞察力，包括识别三个以前未描述的亚群。研究人员还证明PHATE适用于多种数据类型，包括大规模细胞检测、单细胞RNA测序、Hi-C和肠道微生物组数据。

Kevin R. Moon, David van Dijk, Zheng Wang, et al. Visualizing structure and transitions in high-dimensional biological data. Nature Biotechnology, 2019.

DOI: 10.1038/s41587-019-0336-3

https://www.nature.com/articles/s41587-019-0336-3