Generalized EmbedSOM on quadtree-structured self-organizing maps

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61388963%3A_____%2F20%3A00531735" target="_blank" >RIV/61388963:_____/20:00531735 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11320/20:10411966 RIV/00023736:_____/20:00013026

Výsledek na webu

<a href="https://doi.org/10.12688/f1000research.21642.2" target="_blank" >https://doi.org/10.12688/f1000research.21642.2</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.12688/f1000research.21642.2" target="_blank" >10.12688/f1000research.21642.2</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Generalized EmbedSOM on quadtree-structured self-organizing maps

Popis výsledku v původním jazyce

EmbedSOM is a simple and fast dimensionality reduction algorithm, originally developed for its applications in single-cell cytometry data analysis. We present an updated version of EmbedSOM, viewed as an algorithm for landmark-directed embedding enrichment, and demonstrate that it works well even with manifold-learning techniques other than the self-organizing maps. Using this generalization, we introduce an inwards-growing variant of self-organizing maps that is designed to mitigate some earlier identified deficiencies of EmbedSOM output. Finally, we measure the performance of the generalized EmbedSOM, compare several variants of the algorithm that utilize different landmark-generating functions, and showcase the functionality on single-cell cytometry datasets from recent studies.

Název v anglickém jazyce

Generalized EmbedSOM on quadtree-structured self-organizing maps

Popis výsledku anglicky

EmbedSOM is a simple and fast dimensionality reduction algorithm, originally developed for its applications in single-cell cytometry data analysis. We present an updated version of EmbedSOM, viewed as an algorithm for landmark-directed embedding enrichment, and demonstrate that it works well even with manifold-learning techniques other than the self-organizing maps. Using this generalization, we introduce an inwards-growing variant of self-organizing maps that is designed to mitigate some earlier identified deficiencies of EmbedSOM output. Finally, we measure the performance of the generalized EmbedSOM, compare several variants of the algorithm that utilize different landmark-generating functions, and showcase the functionality on single-cell cytometry datasets from recent studies.

Druh

J_SC - Článek v periodiku v databázi SCOPUS

CEP obor

—

OECD FORD obor

10608 - Biochemistry and molecular biology

Projekt

<a href="/cs/project/LM2015047" target="_blank" >LM2015047: Česká národní infrastruktura pro biologická data</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

F1000Research

ISSN

2046-1402

e-ISSN

—

Svazek periodika

8

Číslo periodika v rámci svazku

May 19

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

12

Strana od-do

2120

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-85086220885