MultiMAP: dimensionality reduction and integration of multimodal data

Get Started. It's Free
or sign up with your email address
MultiMAP: dimensionality reduction and integration of multimodal data by Mind Map: MultiMAP: dimensionality reduction and integration of multimodal data

1. Conclusions

2. METHODS

2.1. MultiMAP

2.2. Synthetic data

2.3. Acquisition and processing of human fetal thymic tissue

2.4. Single-cell RNA and ATAC sequencing of human thymus

2.5. Computational processing and analysis of the human fetal thymus single-cell genomics Data

2.6. Acquisition and processing of human PBMCs

2.7. Computational processing and analysis of the human PBMCs

2.8. Multiome ATAC+RNA data

2.9. Single-cell RNA sequencing of mouse spleen and data processing

2.10. Acquisition and processing of previously published datasets

3. BENCHMARKING

4. Latar Belakang

4.1. 1. Perkembangan multimodal data.

4.2. 2. menyulitkan untuk menempatkan data dari berbagai omik di ruang fitur yang sama.

4.3. 3. kekurangan, termasuk tantangan dengan penskalaan dan terbatas pada pertimbangan fitur yang dibagikan di seluruh set data

4.4. 4. tidak dapat menangkap perbedaan nonlinier antara kumpulan data.

5. Tujuan Penelitian

5.1. 1. Menerapkan MultiMAP

5.2. 2. Apply MultiMAP

5.3. 3. Menunjukkan bahwa MultiMAP

6. Hasil

6.1. The MultiMAP framework

6.2. Hasil Penelitian

6.2.1. menunjukkannya MultiMAP dapat mengintegrasikan kumpulan data meskipun mereka memiliki perbedaan teknis yang luas

6.3. MultiMAP integration of multiple modalities of mouse brain cells

6.3.1. mengungkapkan sel baru jenis.

6.3.2. menunjukkan keunggulan MultiMAP dibandingkan yang lain metode yang tidak mempertimbangkan fitur yang tidak dibagikan.

6.4. Benchmarking

6.4.1. MultiMAP berhasil mengintegrasikan tipe sel di seluruh modalitas dan mengungguli metode lain

6.4.2. Embeddings yang dihasilkan oleh MultiMAP membuktikan unggul untuk mentransfer anotasi tipe sel antara kumpulan data, memisahkan kelompok populasi sel yang berbeda, mengintegrasikan kumpulan data dengan cara yang tercampur dengan baik, dan menangkap struktur dimensi tinggi dari setiap kumpulan data.

6.4.3. MultiMAP secara signifikan lebih cepat dan lebih terukur

6.4.4. MultiMAP mengungguli semua metode koreksi batch

6.5. MultiMAP reveals patterns of T cell maturation along a multi-omic trajectory

6.5.1. bahwa MultiMAP, dengan memanfaatkan semua fitur

7. Discussion