Neues DREAMS-Tool vereint lokale und globale Strukturen bei Dimensionsreduktion

Auf dem arXiv wurde die neue Methode DREAMS (Dimensionality Reduction Enhanced Across Multiple Scales) vorgestellt, die die Stärken von t‑SNE und PCA kombiniert. Während t‑SNE vor allem lokale Beziehungen in hochdimensionalen Daten erhält, bewahrt PCA die globale Struktur. DREAMS nutzt einen einfachen Regularisierungsterm, um beide Aspekte gleichzeitig zu berücksichtigen.

Durch die Kombination entsteht ein Kontinuum von Embeddings, das von einem stark lokal strukturierten t‑SNE‑Ergebnis bis zu einem global strukturierten PCA‑Ergebnis reicht. Dieser Ansatz ermöglicht eine effiziente Balance zwischen lokaler Detailtreue und globaler Übersichtlichkeit, ohne dass ein Kompromiss in der Qualität der Darstellung entsteht.

Die Autoren haben DREAMS auf sieben realen Datensätzen getestet, darunter fünf aus der Einzelzell-Transkriptomik und einer aus der Populationsgenetik. Die Ergebnisse zeigen sowohl qualitativ als auch quantitativ, dass DREAMS die Struktur auf mehreren Skalen besser erhält als bisherige Verfahren.

Mit DREAMS erhalten Forscher ein flexibles Werkzeug, das die Analyse hochdimensionaler Daten vereinfacht und gleichzeitig die Integrität der Datenstrukturen bewahrt. Die Methode steht ab sofort als Preprint auf arXiv zur Verfügung und verspricht neue Möglichkeiten in der Datenvisualisierung und -interpretation.