[論文レビュー] Casting Multiple Shadows: High-Dimensional Interactive Data Visualisation with Tours and Embeddings

Stuart Lee, Ursula Laa+1 more|arXiv (Cornell University)|Dec 11, 2020

Data Visualization and Analytics参考文献 42被引用数 4

ひとこと要約

本稿では、Rパッケージ *liminal* に実装された、t-SNE埋め込みと動的ツアーを組み合わせた、高次元データの解釈性を向上させる画期的なインタラクティブ可視化フレームワークを提案する。チューリングのツアー（線形射影の系列）と非線形埋め込みをリンクさせることで、t-SNE可視化における歪みの検出、クラスタ構造の検証、近隣保持性の評価が可能となり、単細胞トランスクリプトミクスおよびシミュレーションデータにおけるクラスタ方向の信頼性が著しく向上する。

ABSTRACT

Non-linear dimensionality reduction (NLDR) methods such as t-distributed stochastic neighbour embedding (t-SNE) are ubiquitous in the natural sciences, however, the appropriate use of these methods is difficult because of their complex parameterisations; analysts must make trade-offs in order to identify structure in the visualisation of an NLDR technique. We present visual diagnostics for the pragmatic usage of NLDR methods by combining them with a technique called the tour. A tour is a sequence of interpolated linear projections of multivariate data onto a lower dimensional space. The sequence is displayed as a dynamic visualisation, allowing a user to see the shadows the high-dimensional data casts in a lower dimensional view. By linking the tour to an NLDR view, we can preserve global structure and through user interactions like linked brushing observe where the NLDR view may be misleading. We display several case studies from both simulations and single cell transcriptomics, that shows our approach is useful for cluster orientation tasks.

研究の動機と目的

• t-SNE などの非線形次元削減（NLDR）手法は、複雑なパラメータ設定のため、しばしばグローバルなデータ構造を歪めたり隠蔽してしまうが、その解釈の難しさに対処すること。
• NLDR と動的線形射影（ツアー）を組み合わせることで、高次元データにおけるクラスタ同一定位の信頼性を向上させること。
• 分析者が t-SNE 埋め込みがデータ内の意味のあるトポロジカルおよび幾何学的関係を保持しているかどうかを評価するためのインタラクティブな診断を提供すること。
• リンクされたブラシ操作により、ツアーと t-SNE 視覚化をリアルタイムで比較可能にすることで、誤ったクラスタの錯覚を低減すること。

提案手法

• フレームワークは、t-SNE 埋め込みと、高次元データを滑らかに低次元ビューに射影するインタポレーション線形射影を用いた動的グランドツアーを統合する。
• インタラクティブなリンクブラシ操作により、t-SNE 視覚化で領域を選択すると、同時にツアー視覚化でも対応する点が強調表示され、局所的およびグローバル構造の相互検証が可能になる。
• 近隣保持性は、基準データセット上で k-NN（k 遠くの近傍）グラフを計算し、t-SNE およびツアー射影でのそれらと比較することで評価する。
• 距離または近隣関係を不透明度、色相スケール、または選択でエンコードすることで、埋め込みと元のデータ幾何構造との不一致を検出するための 1 対多のブラシ操作を支援する。
• 効率的な近隣探索とインタラクティブレンダリングの実装には、*ggplot2*、*cowplot*、*FNN*/*RcppAnnoy* などの R パッケージを活用する。
• 過重複やクラスタの密集を軽減するための「サジツアー」を提案し、ツアー視覚化における密集クラスタの可視性を向上させる非線形変換を実現する。

実験結果

リサーチクエスチョン

• RQ1 t-SNE 埋め込みとツアーをリンクさせることで、非線形次元削減におけるパラメータ設定に起因する誤った可視化を検出できるか？
• RQ2 動的線形射影は、t-SNE 可視化で隠蔽されているグローバルなデータ構造をどの程度効果的に明らかにできるか？
• RQ3 ツアーと t-SNE 視覚化間のリンクブラシ操作が、クラスタ構造および近隣保持性の検証をどの程度向上できるか？
• RQ4 インタラクティブな診断は、真のラベルが存在しない状況においても、誤ったクラスタの誤解をどの程度低減できるか？
• RQ5 スケーラブルな可視化技術は、大規模な単細胞トランスクリプトミクスデータセットの解釈可能な分析をどのように支援できるか？

主な発見

• フレームワークは、木構造のような幾何的構造を持つ分離可能なクラスタが t-SNE で合体してしまうような歪みを効果的に検出できた。
• シミュレーション研究では、ツアーは真のクラスタの形状と分離を保持していたが、t-SNE は特にパラメータが最適でない場合、そのような保持を達成できなかった。
• リンクブラシ操作により、t-SNE 視覚化で局所的近隣関係が適切に保持されていない領域を特定でき、埋め込みにおけるアーチファクトの特定に寄与した。
• 単細胞トランスクリプトミクスの事例では、組み合わせたツアー-t-SNE 視覚化により、より信頼性の高いクラスタの方向決定とマーカー遺伝子発現パターンの検証が可能になった。
• 両視覚化で k-NN グラフを用いることで、埋め込みと元のデータとの間に不一致が生じていることが明らかになり、近隣保持が不十分な領域の検出が可能になった。
• R パッケージ *liminal* に実装された本手法は、1 対多ブラシ操作および高速近隣計算をサポートしており、高次元データのスケーラブルかつインタラクティブな探索を可能にした。