TopoMetryは単一細胞データを体系的に学習し、潜在幾何学を評価する

単一細胞解析において、データの背後にある幾何学を学習・評価・診断する統一的なフレームワークが存在しないという課題に対し、TopoMetryという幾何学を意識したフレームワークが提案された。TopoMetryはデータから直接内在座標系を学習し、高忠実度のスペクトル足場に洗練させる。この足場は局所的な近傍と全体的な構造の両方を捉え、クラスタリングや可視化などの下流解析をサポートする。多様な単一細胞データセットでのベンチマークにおいて、TopoMetryは標準的なワークフローよりも確実に幾何学を保持し、T細胞間の予期せぬ転写的多様性やRNAで定義された亜集団とクローン拡張との関連など、それまで不明瞭だった生物学的信号を明らかにした。分析は1行のコードで実行でき、包括的なレポートを生成するため、強力かつアクセスしやすい。TopoMetryは、静的な2次元投影から幾何学自体の体系的な学習と評価へと焦点を移すことを提唱している。