就像從針孔相機到偏光片一樣，生物信息學數(shù)據(jù)可視化方法公式也在不斷進行數(shù)學革新。耶魯大學的數(shù)學家在《Nature Methods》雜志上發(fā)表了基于單細胞基因表達快照的創(chuàng)新成果，能夠?qū)⒁话偃f點單細胞RNA測序（單細胞重亞硫酸氫鹽測序，scRNA-seq）數(shù)據(jù)集的繪制時間從3小時縮短到15分鐘。

科學家們說，十幾年來我們一直用“老掉牙”的方法，即t-分布隨機鄰域嵌入（t-SNE）處理單細胞水平的RNA測序數(shù)據(jù)（二維scRNA-seq數(shù)據(jù)）?！斑@種方法，t-SNE通過基因表達‘組織’細胞，從而識別新細胞類型和狀態(tài)，”耶魯大學應(yīng)用數(shù)學系博士研究生George Linderman說。

按照計算標準，t-SNE相當慢。因此，研究人員經(jīng)常在應(yīng)用它之前盡量“縮小”scRNA數(shù)據(jù)集——從最初的樣本中提取一個小樣本。然而，由于t-SNE不太可能捕捉到罕見的細胞群（通常是研究人員最想鑒定的），因此降低采樣率是一個很差的折衷方案。

30多年前，耶魯大學的另一組數(shù)學家開發(fā)了快速多級方法（fast multipole method，F(xiàn)MM），這是一種革命性的數(shù)值技術(shù)，它加速了n-body問題中的遠程力計算。這項研究，研究人員意識到FMM背后的原理也可以應(yīng)用在非線性尺寸縮減問題上，如t-SNE和t-SNE加速，于是它獲得了一個新名字：FIt-SNE，或稱基于快速插值的t-SNE（fast interpolation-based t-SNE）。

“使用我們的方法，研究人員不僅可以更快地分析單細胞RNA測序數(shù)據(jù)，還可以描述罕見的細胞亞群。在過去，如果你在t-SNE之前對數(shù)據(jù)進行了亞采樣，你就無法檢測到這些亞群，”文章通訊作者、耶魯大學病理學教授Yuval Kluger說。此外，研究小組還使用了一種熱圖式可視化方法來顯示其匹配的SNE結(jié)果，使得人們更容易地同時看到數(shù)千個基因在單細胞水平上的表達模式。

研究人員說，2019年是t-SNE變“健康（fit）”的好年份。2018年12月，《Science》雜志稱，如果沒有基于scRNA-seq的可視化技術(shù)，一個細胞一個細胞地跟蹤胚胎發(fā)育就不可能實現(xiàn)，因此這是今年最大的突破這一。研究人員說，毫無疑問，F(xiàn)It-SNE將加速發(fā)育生物學、神經(jīng)科學以及癌癥研究等領(lǐng)域的進一步工作。在這些領(lǐng)域中，單細胞測序已經(jīng)成為繪制大腦和了解腫瘤的寶貴工具。

原文檢索：Fast interpolation-based t-SNE for improved visualization of single-cell RNA-seq data