编辑推荐：
该综述聚焦复杂无标签数据聚类与可视化难题，提出 GULE 框架，通过局部类一致性提取与全局传播，实现高精度聚类（如 RNA-seq 数据细胞类型鉴定）和拓扑结构保留可视化，为生物医学等领域提供新工具，推动多学科数据模式发现。
研究背景与挑战
无标签数据中潜在类模式的挖掘是多学科难题，传统聚类方法在处理高维、结构复杂或密度不均的数据时存在局限。单细胞 RNA 测序（scRNA-seq）等生物数据的分析需求迫切需要高精度聚类与可视化方法，以揭示细胞异质性和动态转录状态。
GULE 框架的核心设计
GULE（Global Understanding via Local Extraction）框架基于 “局部一致性提取 - 全局传播” 的核心原理，通过两层自学习网络实现类结构解析：
- 局部提取模块：通过距离度量（如余弦距离）确定类一致邻域，利用可信度函数量化局部一致性，并通过 sigmoid 变换增强中心邻域连接强度。
- 全局传播模块：构建可信度图，采用自适应图切割（Acut）策略动态优化图结构，通过谱投影实现低维嵌入，解决传统谱方法对图结构变化的适应性不足问题。
- CPF 聚类模块：基于完全正分解（CPF）对投影点聚类，避免传统 k-means 对簇形状的假设，提升鲁棒性。
关键技术与创新
- 自适应图切割（Acut）：通过参数 β 调节类内连接最大化与类间连接最小化的平衡，适应不同密度和结构的数据集。
- 渐进式学习：两层投影逐步优化类一致性，第一层处理原始数据的稀疏图，第二层针对低维投影的密集图进一步细化，提升聚类精度。
- 拓扑保留可视化：结合 t-SNE 等技术，将原始数据与 GULE 投影结合，在降维中保留类内拓扑结构，如 COIL20 数据集的环状结构和 PIE 数据集的线性模式。
性能验证与应用
在 22 个基准数据集（含 RNA-seq 数据）上，GULE 的聚类精度（ACC）显著优于传统方法（如 k-means、谱聚类）和深度学习方法：
- 生物医学应用：在 GTEx 脑数据集、Zeisel 小鼠脑数据集等 scRNA-seq 数据中，GULE 准确区分 8 种人脑功能区细胞和 7 种小鼠脑细胞类型，误分类率显著低于 LSC、EnSC 等算法。
- 复杂结构数据：在 “纠缠”“复合” 等合成数据集上，GULE 完美恢复类结构，而传统方法普遍失效。
- 计算效率：尽管采用双层投影，GULE 在 7 万样本数据集上的运行时间低于 400 秒，优于多数对比算法。
理论分析与局限性
理论证明表明，GULE 的可信度图近似块对角结构，扰动误差可控，确保聚类精度。其 CPF 聚类的误分类数受特征值间隙和图误差约束。当前局限性包括需预设簇数、参数 α 和 β 的经验设置，未来可引入半监督学习和自动簇数估计。
结论与展望
GULE 通过局部 - 全局交互机制，为无标签数据的高精度分析提供了通用框架，尤其在单细胞分析、疾病亚型鉴定等生命科学领域展现潜力。其拓扑保留特性和跨学科适用性，有望推动复杂生物数据的机制解析与医学发现。
