研究人员开发了名为GAUDI的非线性无监督多组学整合方法，通过独立UMAP嵌入和HDBSCAN聚类，解决了传统线性方法难以捕捉组学间复杂关系的问题。该方法在模拟和真实数据（如TCGA癌症数据集）中均表现出色，能精准识别高危患者群体（如AML中生存期仅89天的亚群 ...

RAPIDS cuML 通过使用 GPU 加速引入了更快、更具可扩展性的 UMAP 实现，解决了大型数据集处理中面临的挑战，并通过新算法提升了性能。 RAPIDS cuML 的最新进展承诺在速度和可扩展性方面对均匀流形近似和投影（UMAP）算法带来显著提升。UMAP 是一种流行的降维算法 ...

降维将数据从高维空间转换到低维空间，以简化数据解释。 在Aivia中的应用：通过选择不同的测量方法，帮助用户为不同类别实现清晰的决策边界，这些测量方法可以用于不同的聚类技术。 关于参数和不同使用示例的详细技术说明，请参见Aivia Wiki。 UMAP UMAP ...

单细胞常见的可视化方式有DimPlot，FeaturePlot ，DotPlot ，VlnPlot 和 DoHeatmap集中 ，在Seurat中均可以实现，但文献中的图大多会精美很多。之前 scRNA分析 | 定制 美化FeaturePlot 图，你需要的都在这介绍了FeaturePlot的美化方式。在跟SCI学umap图| ggplot2 绘制umap图，坐标位置 ...

当研究内容复杂时，如何通过图表更清晰展现想阐明的生物学问题？文献中往往会采用组合型图表的形式，让一张图中覆盖更多维度信息量。那如何让复杂的组合型图表更直观便于阅读呢？ 下图为Nature文献中的一个UMAP组合图表，左图为人类免疫细胞UMAP，对按 ...

自UMAP问世，论文作图使用t-distributed Stochastic Neighbor Embedding（tSNE）还是Uniform Manifold Approximation and Projection（UMAP）的问题一直存在。本文将围绕tSNE和UMAP的算法逻辑、特点差异及应用要点进行介绍。相信各位阅读过这篇文章后对tSNE和UMAP的选择和使用会有自己的判断。

在处理大数据集时，降维是最重要的方面之一，因为它有助于将数据转换为低维，以便我们能够识别一些重要的特征及其属性。它通常用于避免在分析大数据集时产生的维度问题。 当我们在进行数值分析或创建机器学习模型时，处理高维数据可能会很困难。

昆士兰大学的研究人员近日确定了一种强大工具，可用于大规模患者数据集的分析。这项发表在《Cell Reports》上的研究成果有望促进更好的患者分层以及更精准的靶向治疗。 昆士兰大学的研究人员近日确定了一种强大工具，可用于大规模患者数据集的分析。