PNAS | 陈洛南团队发布数据降维新方法 : DTNE

文章预览

2025年 1月24 日，广东省智能科学与技术研究院 陈洛南 团队在 Proceedings of the National Academy of Sciences （ PNAS） 在线发表了题为  Diffusive topology preserving manifold distances for single-cell data analysis  的研究论文， 提出了一种新型流形学习算法 : Diffusive Topology Neighbor Embedding ( DTNE ) ， 可实现数据拓扑结构保持的降维和流形表征。该算法基于扩散过程，能够在高噪声数据中精确捕捉细胞间的几何结构和低维流形，为高维数据特别是单细胞数据分析提供了精准的工具。          单细胞测序数据蕴含着丰富的细胞状态和类型信息，但其高维度、噪声干扰以及复杂拓扑结构给数据解析带来了极大挑战。现有分析工具 （如t-SNE、UMAP） 虽在降维和可视化任务中广泛应用，但在捕捉细胞间真实关系以及全局拓扑结构方面仍显不足。针对上述挑战，研究团队开发了DTNE算法 ………………………………