論文の概要: Single-cell Multi-view Clustering via Community Detection with Unknown
Number of Clusters
- arxiv url: http://arxiv.org/abs/2311.17103v1
- Date: Tue, 28 Nov 2023 08:34:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 00:08:02.325601
- Title: Single-cell Multi-view Clustering via Community Detection with Unknown
Number of Clusters
- Title(参考訳): 未知数のクラスタによるコミュニティ検出によるシングルセルマルチビュークラスタリング
- Authors: Dayu Hu, Zhibin Dong, Ke Liang, Jun Wang, Siwei Wang and Xinwang Liu
- Abstract要約: シングルセルデータに適した,革新的なマルチビュークラスタリング手法である scUNC を導入する。
scUNCは、事前に定義された数のクラスタを必要とせずに、異なるビューからの情報をシームレスに統合する。
3つの異なる単一セルデータセットを用いて,SCUNCの総合評価を行った。
- 参考スコア(独自算出の注目度): 64.31109141089598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-cell multi-view clustering enables the exploration of cellular
heterogeneity within the same cell from different views. Despite the
development of several multi-view clustering methods, two primary challenges
persist. Firstly, most existing methods treat the information from both
single-cell RNA (scRNA) and single-cell Assay of Transposase Accessible
Chromatin (scATAC) views as equally significant, overlooking the substantial
disparity in data richness between the two views. This oversight frequently
leads to a degradation in overall performance. Additionally, the majority of
clustering methods necessitate manual specification of the number of clusters
by users. However, for biologists dealing with cell data, precisely determining
the number of distinct cell types poses a formidable challenge. To this end, we
introduce scUNC, an innovative multi-view clustering approach tailored for
single-cell data, which seamlessly integrates information from different views
without the need for a predefined number of clusters. The scUNC method
comprises several steps: initially, it employs a cross-view fusion network to
create an effective embedding, which is then utilized to generate initial
clusters via community detection. Subsequently, the clusters are automatically
merged and optimized until no further clusters can be merged. We conducted a
comprehensive evaluation of scUNC using three distinct single-cell datasets.
The results underscored that scUNC outperforms the other baseline methods.
- Abstract(参考訳): 単一セルのマルチビュークラスタリングは、異なる視点から同一セル内の細胞不均一性を探索することができる。
複数のマルチビュークラスタリング手法の開発にもかかわらず、2つの主要な課題が続いている。
第一に、既存のほとんどの方法では、単細胞rna(scrna)と単細胞アッセイの両方のトランスポターゼアクセスクロマチン(scatac)ビューからの情報を等しく重要視しており、2つのビュー間のデータ豊かさの実質的な差を見渡している。
この見落としは、しばしば全体的なパフォーマンスの低下につながる。
さらに、クラスタリング手法の大部分は、ユーザによるクラスタ数を手動で指定する必要がある。
しかし、細胞データを扱う生物学者にとって、異なる種類の細胞を正確に決定することは大きな課題となる。
そこで本稿では,クラスタ数を事前に定義することなく,異なるビューからの情報をシームレスに統合する,シングルセルデータに適した革新的なマルチビュークラスタリング手法であるscuncを紹介する。
scUNC法はいくつかのステップで構成されており、最初はクロスビュー融合ネットワークを使用して効果的な埋め込みを作成し、その後コミュニティ検出を通じて初期クラスタを生成する。
その後、クラスタがマージされずに自動的にマージされ、最適化される。
3つの異なる単一セルデータセットを用いて,SCUNCの総合評価を行った。
結果は、 scUNCが他のベースラインメソッドより優れていることを強調した。
関連論文リスト
- Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳(メタデータ) (2023-11-28T09:14:55Z) - Anchor-based Multi-view Subspace Clustering with Hierarchical Feature
Descent [50.283640069991]
マルチビュークラスタリングは、様々なソースから情報を集約する能力によって、注目を集めている。
階層的特徴Descentを用いたアンカーベースマルチビューサブスペースクラスタリングを提案する。
提案手法は最先端技術より一貫して優れている。
論文 参考訳(メタデータ) (2023-10-11T03:29:13Z) - A Novel Approach for Effective Multi-View Clustering with
Information-Theoretic Perspective [24.630259061774836]
本研究では,多視点クラスタリングフレームワークを情報理論の観点から検討する,SUMVC(Sufficient Multi-View Clustering)と呼ばれる新しい手法を提案する。
まず,変分解析を用いて一貫した情報を生成する,シンプルで信頼性の高いマルチビュークラスタリング手法SCMVCを開発する。
次に、一貫した情報を強化し、ビュー間の不要な情報を最小限に抑えるのに十分な表現境界を提案する。
論文 参考訳(メタデータ) (2023-09-25T09:41:11Z) - AugDMC: Data Augmentation Guided Deep Multiple Clustering [2.479720095773358]
AugDMCは、Deep Multiple Clustering法による新しいデータ拡張ガイドである。
データ拡張を利用して、データの特定の側面に関連する機能を自動的に抽出する。
異なる拡張から不安定な問題を緩和するために、安定な最適化戦略を提案する。
論文 参考訳(メタデータ) (2023-06-22T16:31:46Z) - Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。
本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文 参考訳(メタデータ) (2023-06-18T08:46:06Z) - Unified Multi-View Orthonormal Non-Negative Graph Based Clustering
Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。
また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文 参考訳(メタデータ) (2022-11-03T08:18:27Z) - scICML: Information-theoretic Co-clustering-based Multi-view Learning
for the Integrative Analysis of Single-cell Multi-omics data [0.0]
マルチオミクス・シングルセルデータ統合のための情報理論を用いたマルチビュー学習法(scICML)を開発した。
scICMLは共同クラスタリングを使用して、データのビュー毎に同様の機能を集約し、セルの共通クラスタリングパターンを明らかにする。
実世界の4つのデータセットに対する実験により、SCICMLは全体のクラスタリング性能を改善し、末梢血単核球のデータ解析に関する生物学的知見を提供することが示された。
論文 参考訳(メタデータ) (2022-05-19T12:41:55Z) - Multi-view Hierarchical Clustering [12.01031088378791]
マルチビュークラスタリングは、マルチビューデータによるクラスタリング結果の促進を目的としている。
複数レベルの粒度でマルチビューデータを分割するマルチビュー階層クラスタリング(MHC)を提案する。
MHCはパラメータ選択なしで現実世界のアプリケーションに容易に効果的に利用することができる。
論文 参考訳(メタデータ) (2020-10-15T07:46:18Z) - Deep Incomplete Multi-View Multiple Clusterings [41.43164409639238]
データビューと複数の共有表現を同時に補完する、深い不完全なマルチビュー多重クラスタリングフレームワークを導入する。
ベンチマークデータセットの実験では、DiMVMCは、多様性と品質の高い複数のクラスタリングの生成において、最先端の競合よりも優れていることが確認されている。
論文 参考訳(メタデータ) (2020-10-02T08:01:24Z) - Unsupervised Multi-view Clustering by Squeezing Hybrid Knowledge from
Cross View and Each View [68.88732535086338]
本稿では,適応グラフ正規化に基づくマルチビュークラスタリング手法を提案する。
5つの多視点ベンチマークの実験結果から,提案手法が他の最先端手法をクリアマージンで上回ることを示す。
論文 参考訳(メタデータ) (2020-08-23T08:25:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。