异质细胞群体中的空间模式的拓扑数据分析：具有变化细胞-细胞粘附的聚类和排序
摘要：通过细胞聚集和排序，不同细胞类型在动物组织形成过程中形成了层次结构。所得到的空间组织结构在一定程度上取决于一种细胞类型对自身与其他细胞类型的粘附力。然而，自动和无监督的分类这些多细胞空间模式仍然具有挑战性，特别是考虑到它们的结构多样性和生物变异性。基于拓扑数据分析的最新研究发展非常有趣，可以揭示组织结构的相似之处，但这些方法计算成本很高。在本文中，我们展示了通过持久图可以有效地表示由两种相互作用的细胞类型组织的多细胞模式。我们通过自动编码器的降维优化组合，结合层次聚类，在细胞数恒定的模拟中实现了高分类准确度。我们进一步证明了持久图可以进行归一化，以提高在细胞增殖引起细胞数变化的模拟中的分类准确度。最后，我们系统地考虑了整合不同拓扑特征以及关于每种细胞类型的信息来提高分类准确度的重要性。我们预计基于持久图的拓扑机器学习将能够灵活而稳健地分类发育和疾病中出现的复杂组织结构。
作者：Dhananjay Bhaskar, William Y. Zhang, Alexandria Volkening, Bj"orn Sandstede, Ian Y. Wong
论文ID：2212.14113
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-08-02