[论文解读] 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 5

一句话总结

Tree-SNE 通过迭代应用逐渐降低困惑度和自由度（α < 1）的一维 t-SNE 嵌入，将一维 t-SNE 嵌入与层次聚类相结合，以揭示越来越精细的结构。Alpha-clustering 自动检测跨尺度的最优聚类分配，在 MNIST 和 COIL-20 上实现了最先进的无监督聚类性能，并在单细胞基因组学中实现了高效、自动化的数据子集选择。

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.

研究动机与目标

• 解决高维数据中层次结构发现的需求，特别是在生物和图像数据集中。
• 通过将多尺度 t-SNE 与跨尺度的聚类稳定性相结合，克服标准 t-SNE 和聚类方法的局限性。
• 开发一种无监督聚类方法，自动确定聚类数量而无需先验知识。
• 通过隔离生物或语义上有意义的子群，实现对复杂数据的高效、交互式探索。

提出的方法

• 通过逐步减小 α（自由度）和困惑度，构建一维 t-SNE 嵌入的层次树。
• 使用 FIt-SNE 加速 α < 1 时的 t-SNE 计算，以实现对细微结构的检测。
• 在每个一维嵌入上应用谱聚类，以识别各尺度下的聚类。
• 将 alpha-clustering 定义为在最大 α 值范围内最稳定的聚类分配。
• 利用子采样的 SNN 基谱聚类以提高大规模数据集上的计算效率。
• 利用 alpha-clustering 标签自动划分和子集化数据，实现对子群的聚焦可视化。

实验结果

研究问题

• RQ1 与标准 t-SNE 相比，通过逐步减小 α 的一维 t-SNE 是否能更有效地揭示高维数据中的层次结构？
• RQ2 在不预先知道 K 值的情况下，跨多个 α 值的聚类稳定性是否可作为确定最优聚类分配的可靠标准？
• RQ3 与当前最先进无监督聚类算法相比，alpha-clustering 在基准数据集上是否表现出具有竞争力的性能？
• RQ4 Tree-SNE 和 alpha-clustering 是否能够实现对单细胞组学数据中生物相关子群的高效、自动化识别与隔离？

主要发现

• 在 MNIST 和 COIL-20 数据集上，alpha-clustering 实现了与当前最先进方法相当的无监督聚类性能。
• 在 scRNA-seq 数据中，alpha-clustering 自动识别出三个主要聚类：Müller 神经胶质细胞、视锥双极细胞和视杆双极细胞，从而实现了目标数据子集的选择。
• 在使用 alpha-clustering 移除非必要聚类后，cone bipolar cell 亚型的 tree-SNE 可视化揭示了更清晰的层次组织结构。
• 经过迭代过滤后，cone bipolar cell 的最终 tree-SNE 嵌入与 Shekhar 等人（2016）报告的可视化和聚类结构高度一致。
• 该方法通过利用 alpha-clustering 标签隔离并重新嵌入最具生物学相关性的细胞类型，实现了对样本外数据的子集选择。
• 使用 α < 1 的 tree-SNE 有效揭示了 MNIST 数据集中数字内不同手写风格等更精细的结构。