arxiv：2502.05647v1 [CS.CC] 2025年2月8日__

arxiv：2502.05647v1 [CS.CC] 2025年2月8日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2502.05647v1 [CS.CC] 2025年2月8日

¥ 1.0

热度

摘要。单细胞RNA测序（SCRNA-SEQ）彻底改变了我们在细胞水平上分析基因表达的能力。通过提供每个单个细胞基因表达的数据，SCRNA-SEQ具有数千个基因的大型数据集。但是，处理此类高维数据会由于复杂性的增加而带来计算挑战。维度降低对于SCRNA-SEQ分析至关重要。各种维度还原算法，包括原理成分分析（PCA），统一的歧管近似和投影（UMAP）和T-分配的随机邻居嵌入（T-SNE），通常用于应对这一挑战。这些方法将原始的高维数据转换为较低维的表示，同时保留相关信息。在本文中，我们提出了壮举。我们将其分为多个子空间，而不是将维度降低直接降低到整个数据集。在每个子空间中，我们应用缩小尺寸技术，然后合并减少的数据。featpca提供了四个用于基础的变体。我们的实验结果表明，基于基本的聚类比使用完整数据集的精度更好。在各种SCRNA-SEQ数据集中，featpca始终优于现有状态聚类工具。

添加pdf代下载 VIP点击下载文件