PNAS | 陈洛南团队发布数据降维新方法 : DTNE

本文介绍了广东省智能科学与技术研究院陈洛南团队在PNAS上发表的一项研究，提出了一种名为Diffusive Topology Neighbor Embedding (DTNE)的新型流形学习算法。该算法旨在解决单细胞测序数据高维度、噪声干扰及复杂拓扑结构带来的挑战，通过引入扩散过程和流形距离的创新思路，实现了对细胞间几何关系的精确建模和数据全局结构的可靠保持。DTNE算法利用局部马尔可夫矩阵模拟数据点间的扩散行为，基于个性化PageRank算法将数据点相似性转化为稳健的概率分布，并通过核方法和对数变换实现对复杂流形结构的精确建模。实际应用表明，DTNE在揭示细胞间内在关系和细胞分化轨迹推断方面表现出更高的准确性，展现出卓越性能。该研究不仅为单细胞数据分析提供了精准工具，还推动了新一代数据分析工具的发展。