单细胞RNA测序数据降维方法的比较研究：基于轨迹感知嵌入评分(TAES)的新评估框架

本研究针对单细胞RNA测序(scRNA-seq)数据高维特性带来的分析挑战，系统比较了PCA、t-SNE、UMAP和扩散映射(Diffusion Maps)四种降维方法在PBMC3k、胰腺和BAT数据集上的表现。研究人员创新性提出轨迹感知嵌入评分(TAES)，首次实现聚类精度与发育轨迹保存能力的联合评估。结果显示UMAP在聚类分离与轨迹连续性上表现最优，为单细胞分析提供了方法选择依据。

　　

在生命科学领域，单细胞RNA测序(scRNA-seq)技术如同打开了观察细胞世界的显微镜，让研究者能够逐个细胞解读基因表达密码。然而这项革命性技术也带来了甜蜜的烦恼——每个细胞成千上万的基因表达数据构成了高维迷宫，如何将这些复杂数据转化为人类可理解的二维或三维图像，成为摆在科学家面前的难题。传统线性降维方法如主成分分析(PCA)虽计算快捷，却难以捕捉细胞状态转换的非线性轨迹；而新兴的流形学习方法如t-SNE、UMAP和扩散映射(Diffusion Maps)各有所长，但缺乏统一的生物学评估标准。

伊朗科技大学(原译：Iran University of Science and Technology)的Mehdi Nadjafikhah和Mohammad Nasiri团队在《Scientific Reports》发表的研究，创新性地提出了轨迹感知嵌入评分(TAES)，首次建立了同时评估聚类分离度和伪时间连续性的双指标体系。研究人员选取了代表不同生物复杂度的三个基准数据集：包含免疫细胞的PBMC3k、展示内分泌发育的胰腺数据集，以及反映组织衰老的棕色脂肪组织(BAT)数据集。通过Scanpy标准化流程预处理后，系统比较了四种降维算法在聚类质量(Silhouette Score)和轨迹相关性(Trajectory Correlation)上的表现，并采用扩散伪时间(DPT)和Slingshot等算法验证了TAES的鲁棒性。

关键技术方法包括：(1)使用Scanpy流程进行质量控制、标准化和2000个高变基因筛选；(2)实施PCA、t-SNE、UMAP和扩散映射四种降维算法；(3)通过Leiden聚类和Silhouette Score评估聚类效果；(4)结合DPT和Slingshot计算伪时间相关性；(5)创新性构建TAES综合评分体系。

定性比较结果

UMAP和t-SNE在细胞类型分离上表现最佳，扩散映射则擅长展现细胞状态间的连续过渡。如图1所示，PCA虽计算高效但无法揭示非线性结构：

聚类质量评估

如表1数据所示，UMAP和t-SNE的Silhouette Score普遍高于其他方法，其中UMAP在PBMC3k达到0.487，t-SNE在胰腺数据集取得0.519。值得注意的是，扩散映射在BAT数据集以0.670的分数反超，显示其对复杂发育结构的捕捉能力。

轨迹保存能力

图2可视化显示，UMAP和扩散映射能清晰展现伪时间梯度，而PCA轨迹呈现碎片化：

TAES综合表现

如图3和表2所示，UMAP以PBMC3k(0.493)、胰腺(0.498)和BAT(0.542)的稳定高分证实其综合优势，扩散映射在胰腺(0.374)和BAT(0.436)次之：

方法稳定性验证

表4数据显示t-SNE运行间相关性高达0.949-0.989，超乎预期地稳定；UMAP参数敏感性分析(图5-7)显示其n_neighbors在5-100区间性能稳健：

这项研究确立了UMAP作为单细胞分析首选降维工具的地位——既能像t-SNE那样清晰分离细胞亚群，又能如扩散映射般保持发育轨迹连续性。TAES指标的创新性在于突破了传统评估中"聚类与轨迹二选一"的局限，为单细胞数据分析提供了兼顾离散分类与连续动态的"双重视角"。特别值得注意的是，研究揭示了参数优化后的t-SNE具有超乎理论预期的稳定性，这为重视结果可重复性的研究提供了新选择。这些发现将指导研究者根据具体生物学问题(如细胞分型或谱系追踪)选择最适合的降维方法，推动单细胞研究从"看得见"向"看得懂"跨越。