[論文レビュー] Tree-SNE: Hierarchical Clustering and Visualization Using t-SNE

Isaac Robinson, Emma Pierce‐Hoffman|arXiv (Cornell University)|Feb 13, 2020

Single-cell and spatial transcriptomics参考文献 32被引用数 5

ひとこと要約

Tree-SNE は、逐次的に perplexity と自由度 (α < 1) を減少させながら t-SNE を繰り返し適用することで、1次元の t-SNE 埋め込みと階層的クラスタリングを統合し、より細分化された構造を明らかにする。Alpha-clustering はスケールにわたる最適なクラスタ割り当てを自動で検出でき、MNIST および COIL-20 で最先端の非教師ありクラスタリング性能を達成し、単一細胞ゲノム研究における効率的で自動化されたデータサブセット選択を可能にする。

ABSTRACT

t-SNE and hierarchical clustering are popular methods of exploratory data analysis, particularly in biology. Building on recent advances in speeding up t-SNE and obtaining finer-grained structure, we combine the two to create tree-SNE, a hierarchical clustering and visualization algorithm based on stacked one-dimensional t-SNE embeddings. We also introduce alpha-clustering, which recommends the optimal cluster assignment, without foreknowledge of the number of clusters, based off of the cluster stability across multiple scales. We demonstrate the effectiveness of tree-SNE and alpha-clustering on images of handwritten digits, mass cytometry (CyTOF) data from blood cells, and single-cell RNA-sequencing (scRNA-seq) data from retinal cells. Furthermore, to demonstrate the validity of the visualization, we use alpha-clustering to obtain unsupervised clustering results competitive with the state of the art on several image data sets. Software is available at https://github.com/isaacrob/treesne.

研究の動機と目的

• 高次元データにおける階層的構造の同定のニーズに対応すること、特に生物学的および画像データにおいて。
• 標準的な t-SNE やクラスタリングの限界を克服し、スケールにわたる多スケール t-SNE とクラスタの安定性を統合すること。
• 事前の知識なしにクラスタ数を自動的に特定できる非教師ありクラスタリング手法の開発。
• 生物学的または意味的に意味のあるサブポピュレーションを効果的かつインタラクティブに探索できるように、複雑なデータを隔離すること。

提案手法

• 自由度 α を段階的に減少させ、perplexity を段階的に低下させることで、1次元 t-SNE 埋め込みの階層的ツリーを構築する。
• α < 1 の場合に t-SNE の計算を高速化する FIt-SNE を用い、細分化された構造の検出を可能にする。
• 各1次元埋め込みに対してスペクトルクラスタリングを適用し、各スケールでのクラスタを同定する。
• alpha-clustering を、最も広い α 値の範囲にわたって最も安定したクラスタ割り当てとして定義する。
• 大規模データセットにおける計算効率を高めるために、サブサンプルされた SNN に基づくスレクトルクラスタリングを活用する。
• alpha-clustering のラベルを用いてデータを自動的に分割・サブセット化し、サブポピュレーションの集中可視化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 perplexity を段階的に減少させた1次元 t-SNE は、標準的な t-SNE よりも高次元データにおける階層的構造をより効果的に明らかにできるか？
• RQ2 複数の α 値にわたるクラスタの安定性は、K の事前の知識なしに最適なクラスタ割り当てを特定する信頼できる基準として機能するか？
• RQ3 alpha-clustering は、ベンチマークデータセットにおいて最先端の非教師ありクラスタリングアルゴリズムと同等の性能を達成できるか？
• RQ4 Tree-SNE と alpha-clustering は、単一細胞オミクスデータにおける生物学的に関連性のあるサブポピュレーションの効率的で自動的な同定と分離を可能にするか？

主な発見

• Alpha-clustering は、MNIST および COIL-20 データセットにおいて、最先端の非教師ありクラスタリング手法と同等の性能を達成した。
• scRNA-seq データにおいて、alpha-clustering は自動的に3つの主要なクラスタ（ミュラー細胞、コーン双極細胞、ロッド双極細胞）を同定し、標的のデータサブセット選択を可能にした。
• alpha-clustering を用いて不要なクラスタを除去した後、cone bipolar cell のサブタイプの tree-SNE 視覚化により、より明確な階層的組織が得られた。
• 繰り返しフィルタリングを経た最終的な cone bipolar cell の tree-SNE 埋め込みは、Shekhar et al. (2016) が報告した視覚化とクラスタ構造に非常に近いものであった。
• alpha-clustering のラベルを活用することで、出先外データのサブセット選択が可能となり、生物学的に関連性の高い細胞タイプのみを抽出・再埋め込みできるようになった。
• α < 1 の tree-SNE は、MNIST データセット内で数字の異なる筆圧スタイルを示すより細分化された構造を効果的に明らかにした。