小沐同学（AI）|单细胞测序100问(73)-分析篇

Q：降维

A:

并非所有基因都具有信息性，并且对于基于其表达谱的细胞类型聚类任务很重要。我们的目标是通过特征选择来降低数据的维度，下一步可以通过降维算法进一步降低单细胞 RNA-seq 数据的维度。这些算法是预处理过程中降低数据复杂性和可视化的重要步骤。几种降维技术已被开发并用于单细胞数据分析。

注：降维将高维数据嵌入到低维空间中。低维表示仍然捕获数据的底层结构，同时具有尽可能少的维度。在这里，我们将一个三维物体想象成二维。

使用T分布随机近邻嵌入 (t-SNE)，因为它能产生最佳的整体性能。UMAP 显示出最高的稳定性并能最好地分离原始细胞群。仍得一提的另一个降维方法是主成分分析（PCA），它仍然被广泛使用。

一般来说，如果选择了特定的初始化选择，t-SNE 和 UMAP 非常稳健，并且基本上是等效的。