scRNA-seqのデータは多変量データなので、我々の認識できる形に可視化するためには次元削減が必要です。
今回はその可視化方法としてt-SNEとUMAPを紹介します。
t-SEN | UMAP |
![]() | ![]() |
・2~3次元への圧縮のみ可能 ・大規模データの圧縮には不向き ・局所的なパターンやクラスターの発見に優れる | ・4次元以上への圧縮も可能 ・大規模データにも使用可能 ・グローバルな構造把握に優れる ・計算時間が短い |
どちらもなるべく情報量を落とさないように、多変量空間上で近い点が近くなるように2次元に圧縮しています。
実際に、同じクラスターの点が近いところに固まっていますね。
この図から、クラスター同士の距離が近いクラスターが似通っているかも?という仮定の下で各クラスターの分析を行っていくことになります。
上記の特徴を確認すると、基本的にUMAPの方が使い勝手がいいですね。よほど局所的な部分を意識していない限りはUMAPで問題ないように思えますね…
<使用したツール、データ>
R (version: 4.2.3)
Seurat (version: 4.3.0)
当社のサンプルデータ
![](http://service.cyberomix.com/wp-content/uploads/2023/12/ximage-150x150.png.webp.pagespeed.ic.5R2N30SdyV.webp)