CosMAP: Contrastive Manifold Approximation and Projection for Dimensionality Reduction of Omics and Genealogical Data
Di cosa parla
CosMAP è un metodo per trasformare dati complessi e ad alta dimensionalità — come misure biologiche provenienti da singole cellule o dati genealogici — in mappe semplici e leggibili. Cerca di mantenere sia le relazioni tra elementi vicini sia l’organizzazione complessiva, imparando prima una rappresentazione intermedia e poi raffinando questa versione per ottenere la mappa finale.
Cosa permette di osservare
Consente di esplorare come ottenere visualizzazioni più coerenti e interpretabili di dati rumorosi e sparsi, e di confrontare scelte che privilegiano la conservazione delle vicinanze locali rispetto alla chiarezza della struttura globale e dei raggruppamenti.
Dalla fonte
Omics datasets, particularly single-cell RNA sequencing data, are high-dimensional, sparse, noisy, and dominated by zero values, making faithful low-dimensional representation challenging. Existing dimensionality-reduction methods may distort local neighbourhoods, global organization, or the cohesion of meaningful populations, with similar limitations arising in genealogical data. We introduce Contrastive Manifold Approximation and Projection (CosMAP), a graph-based unsupervised dimensionality-reduction method for producing faithful and interpretable embeddings. CosMAP extends the graph-based framework of UMAP by combining cosine-similarity neighbourhoods with temperature-normalized contrastive affinities, which are optimized in the embedding space using an attractive--repulsive objective. It further employs a two-phase refinement strategy: an intermediate higher-dimensional representat…