Улучшен метод визуализации больших и сложных наборов данных

Новый метод opt-SNE (optimized-t-SNE) — это усовершенствование ведущего инструмента визуализации данных t-SNE (t-distributed Stochastic Neighborhood Embedding). Он позволяет исследователям с беспрецедентной детализацией видеть, что именно содержится в их наборах данных.

opt-SNE развивает широко используемый метод t-SNE, созданный почти 10 лет назад. Если t-SNE может точно анализировать около полумиллиона клеток в образце, то с помощью opt-SNE исследователи теперь могут визуализировать данные из образцов, содержащих десятки миллионов клеток.

Разработку opt-SNE возглавила Анна Белкина, доктор медицины и философии, доцент кафедры патологии и лабораторной медицины Бостонского университета.

Помимо способности обрабатывать большие наборы данных, opt-SNE также успешно визуализировал очень малые, отдельные популяции клеток в тестовых образцах крови (где каждая клетка в таких группах может встречаться с частотой один на сто тысяч от общего числа клеток в образце). Ранее такая точная, крупномасштабная визуализация с одновременным увеличением мельчайших популяций была невозможна.

«t-SNE изначально был алгоритмом "универсального размера", а вычисления opt-SNE адаптированы под каждый конкретный набор данных. Это позволяет увидеть как общую картину, так и детали в вашем образце. С opt-SNE можно увидеть и стог сена, и иголки в нём», — пояснила Белкина, ведущий автор исследования. — «Это особенно ценный инструмент для исследования данных цитометрии и транскриптомики единичных клеток».

opt-SNE позволяет исследователям выявлять ранее не обнаруживаемые особенности, которые отличают больные образцы от контрольных. Этот новый взгляд на патологические состояния может выявить новые мишени для терапии, а также новые биологические феномены.

Данный подход уже используется несколькими исследовательскими группами благодаря сотрудничеству Белкиной с разработчиками крупных платформ для анализа данных единичных клеток, которые внедрили opt-SNE в облачную платформу Omiq.ai и программное обеспечение FlowJo. Также выпущен опенсорсный пакет opt-SNE.

Исследование опубликовано в журнале Nature Communications.