📊 statistics

Multi-view biclustering via non-negative matrix tri-factorisation

تقترح هذه الورقة البحثية ResNMTF، وهي طريقة جديدة للتجميع الثنائي متعدد الرؤى تعتمد على التحلل الثلاثي للمصفوفات غير السالبة، والتي تكتشف تلقائياً مجموعات ثنائية متداخلة وغير شاملة عبر رؤى متنوعة دون الحاجة إلى معرفة مسبقة بأعداد المجموعات، بينما تقدم أيضاً مقياس "bisilhouette" كمعيار جوهري جديد للتقييم وضبط المعلمات الفائقة.

المؤلفون الأصليون: Ella S. C. Orme, Theodoulos Rodosthenous, Marina Evangelou

نُشر 2026-03-13

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Ella S. C. Orme, Theodoulos Rodosthenous, Marina Evangelou

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك محقق تحاول حل لغز ضخم يتضمن آلاف المشتبه بهم (الصفوف) وآلاف الأدلة (الأعمدة). ولكن إليك التحول في القصة: أنت لا تنظر فقط إلى قائمة واحدة من الأدلة، بل لديك عدة دفاتر ملاحظات (وجهات نظر) تصف نفس المجموعة من الأشخاص، ولكن كل دفتر كتبه شاهد مختلف بمنظور مختلف. قد يسرد دفتر ملاحظات ما الحمض النووي (DNA)، بينما يسجل آخر عادات التسوق، ويسجل ثالث منشورات وسائل التواصل الاجتماعي.

هذا هو عالم البيانات متعددة الوجهات (Multi-View Data). المشكلة هي أن ليس كل دليل في كل دفتر ملاحظات يكون مفيدًا لكل مشتبه به. فبعض الأدلة لا تهم إلا لمجموعة معينة من الناس. هدفك هو العثية على هذه المجموعات الخفية (العناقيد/Clusters) والأدلة المحددة التي تُعرفها، في آن واحد. وهذا ما يسمى التجميع الثنائي (Biclustering).

تقدم الورقة البحثية التي شاركتها شيئين لمساعدة المحققين أمثالنا: أداة تحقيق جديدة وأكثر ذكاءً تسمى ResNMTF، وطريقة جديدة لتقييم عمل المحقق تسمى درجة بيسيلويت (Bisilhouette Score).

إليك التفاصيل بتبسيط شديد:

1. المشكلة: الكثير من الضجيج، والعديد من المنظورات

في الماضي، إذا أردت إيجاد مجموعات في البيانات، فقد تقوم ببساء بدمج جميع دفاتر الملاحظات معًا في كومة واحدة ضخمة. لكن هذا أمر فوضوي. فإذا كان أحد الدفاتر مليئًا بالخربشات (الضجيج)، فسيؤدي ذلك إلى إفساد الكومة بأكملها. أو، إذا نظرت إلى كل دفتر ملاحظات على حدة، فستفقد الصورة الكبيرة حيث تتداخل المجموعات.

كانت الأدوات الموجودة بمثابة قواعد كتب صارمة:

غالبًا ما كانت تتطلب منك معرفة عدد المجموعات التي تبحث عنها بالضبط قبل البدء (مثل تخمين عدد المشتبه بهم قبل العثور عليهم).
كانت تعاني إذا تداخلت المجموعات (مثل مشتبه به ينتمي إلى عصابتين) أو إذا لم ينتمِ بعض المشتبه بهم إلى أي عصابة على الإطلاق.
لم تكن قادرة بسهولة على التعامل مع الحالة التي يتشارك فيها "الدفتر أ" و"الدفتر ب" نفس الأشخاص ولكن بـ أدلة مختلفة، بينما يتشارك "الدفتر أ" و"الدفتر ج" أدلة مختلفة ولكن أشخاصًا مختلفين.

2. الحل: ResNMTF (المحقق المرن)

ابتكر المؤلفون طريقة جديدة تسمى ResNMTF (تحليل المصفوفة الثلاثي غير السالب والمقيد). فكر في هذا كوكيل تحقيق ذكي ومرن للغاية.

سحر "العامل الثلاثي" (Tri-Factor): تخيل أنك تحاول تنظيم غرفة فوضوية. بدلًا من مجرد فرز العناصر، قم بتفكيك المشكلة إلى ثلاثة أجزاء:
1. مَن في الغرفة (الصفوف/الأشخاص).
2. ما هي العناصر الموجودة في الغرفة (الأعمدة/الأدلة).
3. كيف تتناسب هذه العناصر مع بعضها (النمط الخفي).
  يستخدم ResNMTF الرياضيات لفصل هذه الطبقات الثلاث في وقت واحد.
القوة الخارقة لـ "التقييد" (Restrictive): هذا هو الجزء المذهل. يتيح لك ResNMTF أن تقول للمحقق: "مهلًا، الدفتر 1 والدفتر 2 يتحدثان عن نفس الأشخاص، لذا عامل قوائم 'مَن' لديهما كمتشابهة". أو، "الدفتر 1 والدفتر 3 يتحدثان عن نفس الأدلة، لذا عامل قوائم 'ما هي' لديهما كمتشابهة".
إنه يشبه امتلاك محقق يمكنه القول: "حسنًا، أعلم أن هذين الشاهدين شاهدا نفس السيارة، لذا سأربط ملاحظاتهما، ولكني أعلم أن هذا الشاهد الثالث رأى سيارة مختلفة، لذا سأبقي ملاحظاته منفصلة". إنه يتعامل مع أي مزيج من الأشخاص المشتركين أو الأدلة المشتركة دون ارتباك.
لا حاجة لبلورة سحرية: على عكس الأدوات القديمة، لا يحتاج ResNMTF إلى تخمين عدد المجموعات الموجودة. فهو يجرب أرقامًا مختلفة، ويتحقق من أي منها هو الأكثر منطقية، ولديه ميزة "جامع النفايات" (Garbage Collector). فإذا وجد مجموعة تبدو وكأنها مجرد ضجيج عشوائي (خيط كاذب)، فإنه يستبعدها تلقائيًا.

3. نظام التقييم: درجة بيسيلويت (Bisilhouette Score)

بمجرد أن يجد المحقق المجموعات، كيف تعرف ما إذا كان قد قام بعمل جيد؟

الطريقة القديمة (درجة السيلويت - Silhouette Score): تخيل تقييم فصل دراسي. كانت الطريقة القديمة تسأل، "ما مدى قرب الطلاب من بعضهم البعض؟" و"ما مدى بعدهم عن المجموعة التالية؟". لكن هذه الطريقة انهارت إذا جلس الطلاب في مجموعتين في آن واحد (تداخل) أو إذا جلس بعض الطلاب بمفردهم (عدم الشمولية).
الطريقة الجديدة (درجة بيسيلويت): ابتكر المؤلفون نظام تقييم جديدًا خصيصًا لهذا العالم الفوضوي والمتداخل.
- ينظر إلى مجموعة من الأشخاص فقط باستخدام الأدلة التي تُعرف تلك المجموعة المحددة.
- يسأل: "هل هؤلاء الأشخاص متجمعون بإحكام بناءً على هذه الأدلة المحددة، وهل هم مختلفون بوضوح عن الآخرين؟"
- الدرجة: تعطي درجة تتراوح بين -1 و 1. الدرجة العالية تعني أن المحقق وجد مجموعات واضحة ومتماسكة. الدرجة المنخفضة تعني أن المجموعات فوضوية أو وهمية.

لما لماذا تعتبر هذه الدرجة نقطة تحول؟
إنها تعمل مثل البوصلة. بما أنك لا تعرف الإجابة "الحقيقية" في الواقع (التعلم غير الخاضع للإشراف)، فلا يمكنك استخدام نموذج إجابة قياسي. تخبرك درجة بيسيلويت: "مهلًا، إذا قمت بتغيير هذا الإعداد، ستصبح المجموعات أكثر فوضوية. إذا غيرت هذا الاتجاه، ستصبح أكثر تماسكًا". إنها تساعدك على ضبط إعدادات المحقق للحصول على أفضل نتيجة دون الحاجة لمعرفة الإجابة مسبقًا.

4. كيف يعمل في الحياة الواقعية

اختبر المؤلفون هذا على نوعين من القضايا:

القضايا الوهمية (البيانات الاصطناعية): أنشأوا بيانات وهمية حيث يعرفون الإجابة. وجد ResNMTF المجموعات بشكل مثالي، حتى عندما كانت البيانات مليئة بالضجيج أو المجموعات متداخلة. وقد تفوق على أدوات تحقيق شهيرة أخرى (مثل GFA و iSSVD) باستمرار.
القضايا الحقيقية:
- المقالات الإخبارية: تجميع المقالات من BBC وReuters وThe Guardian. وجد ResNMTF أن المقالات المتعلقة بـ "الرياضة" تم تجميعها معًا عبر الصحف الثلاث، رغم أن الكلمات المستخدمة كانت مختلفة قليلاً.
- البيانات الطبية (السرطان والخلايا): نظروا في بيانات المرضى (الجينات، البروتينات، إلخ). نجح ResNMTF في تحديد أنواع مختلفة من الخلايا السرطانية والجينات المحددة التي تميزها، حتى عندما كان لدى بعض المرضى إشارات مختلطة أو بيانات مفقودة.

الخلاصة

تقدم هذه الورقة أداة مرنة جديدة (ResNMTF) للعثور على الأنماط الخفية في البيانات المعقدة متعددة المصادر، ومسطرة جديدة (درجة بيسيلويت) لقياس مدى جودة تلك الأنماط.

التشبيه:
إذا كان العثور على الأنماط في البيانات يشبه تنظيم مكتبة فوضوية حيث كُتبت الكتب بلغات ومواضيع مختلفة:

الأدوات القديمة حاولت فرض جميع الكتب في رف واحد أو طلبت منك تخمين عدد الرفوف التي تحتاجها.
ResNMTF هو أمين مكتبة يمكنه فرز الكتب حسب المؤلف و الموضوع في آن واحد، مدركًا أن بعض المؤلفين يكتبون لأقسام مختلفة، وأن بعض المواضيع تظهر في لغات مختلفة.
درجة بيسيلويت هي قائمة التحقق الخاصة بأمين المكتبة لضمان أن الرفوف مرتبة وأن الكتب تنتمي حقًا إلى هناك، دون الحاجة إلى مدير ليخبره ما يجب أن يكون عليه الترتيب النهائي.

هذا يجعل من السهل جدًا على العلماء ومحللي البيانات اكتشاف الحقائق الخفية في البيانات المعقدة دون الحاجة إلى بلورة سحرية.

إليك ملخص تقني مفصل لورقة "Multi-view biclustering via non-negative matrix tri-factorisation" (التجميع الثنائي متعدد الرؤى عبر التفكيك الثلاثي للمصفوفة غير السالبة) من إعداد أورم، رودوستانوس، وإيفانجيلا.

1. بيان المشكلة

تتناول الورقة تحديات التجميع الثنائي متعدد الرؤى (المعروف أيضاً بالتجميع المشترك)، والذي يتضمن تجميع صفوف وأعمدة مصفوفات البيانات في وقت واحد عبر مصادر بيانات متعددة (رؤى).

السياق: غالباً ما تتكون مجموعات البيانات الحديثة من رؤى متعددة تصف نفس الكائنات (على سبيل المثال، بيانات الجينوم، والبروتيوميات، والميثيلوميات لنفس المرضى).
التحديات:
- عدم الشمول وعدم الحصرية: قد لا تنتمي الصفوف والأعمدة إلى أي عنقود (Cluster)، أو قد تنتمي إلى عدة عناقيد (متداخلة).
- تباين الرؤى: قد تشترك الرؤى المختلفة في مجموعات فرعية مختلفة من الصفوف (العينات) أو الأعمدة (الميزات). قد تشترك بعض الرؤى في الصفوف ولكن لها ميزات فريدة، بينما قد تشترك أخرى في الميزات ولكن لها عينات فريدة.
- غياب الحقيقة الأرضية (Ground Truth): في الإعدادات غير الخاضعة للإشراف، يكون العدد الحقيقي للعناقيد الثنائية ( $K$ ) مجهولاً.
- فجوة التقييم: هناك نقص في المقاييس الجوهرية (مقاييس التحقق الداخلي) المناسبة والمصممة خصيصاً للعناقيد الثنائية والتي تأخذ في الاعقتبار تعقيدها الهيكلي (التماسك والانفصال) مع التعامل مع التداخل وعدم الشمول. غالباً ما تعتمد الطرق الموجودة على مقاييس خارجية (تتطلب حقيقة أرضية) أو تعامل تجميع الصفوف والأعمدة بشكل منفصل، مما يؤدي إلى الفشل في التقاط البنية المشتركة.

2. المنهجية

يقترح المؤلفون ابتكارين رئيسيين: خوارزمية جديدة (ResNMTF) ومقياس تقييم جديد (Bisilhouette Score).

أ. ResNMTF (التفكيك الثلاثي للمصفوفة غير السالبة المقيد)

ResNMTF هي خوارزمية تجميع ثنائي متعدد الرؤى تعتمد على التفكيك الثلاثي للمصفوفة غير السالبة (NMTF).

الصياغة الرياضية:
لعدد $n_v$ $n_{v}$ من الرؤى، يتم تقريب مصفوفة البيانات $X^{(v)}$ $X^{(v)}$ كالتالي: $X^{(v)} \approx F^{(v)} S^{(v)} (G^{(v)})^T$ $X^{(v)} \approx F^{(v)} S^{(v)} (G^{(v)})^{T}$ .
- $F^{(v)}$ : مؤشرات عناقيد الصفوف.
- $G^{(v)}$ : مؤشرات عناقيد الأعمدة.
- $S^{(v)}$ : مصفوفة التفاعل بين عناقيد الصفوف والأعمدة.
دالة الهدف:
تقوم الطريقة بتقليل خطأ إعادة البناء عبر جميع الرؤى مع فرض تنظيم (Regularization) بين الرؤى لمشاركة المعلومات:
$\min \sum_{v} \| X^{(v)} - F^{(v)} S^{(v)} (G^{(v)})^T \|^2 + \sum_{v<w} (\phi_{vw} \|F^{(v)} - F^{(w)}\|^2 + \xi_{vw} \|S^{(v)} - S^{(w)}\|^2 + \psi_{vw} \|G^{(v)} - G^{(w)}\|^2)$
- المرونة: تسم old تتيح معاملات الضبط ( $\phi, \xi, \psi$ ) للمستخدم تحديد الأبعاد التي يجب مشاركتها بدقة عبر الرؤى (الصفوف، أو الأعمدة، أو كليهما). وهذا يعالج السيناريوهات المعقدة حيث تشترك الرؤية 1 و2 في الصفوف، بينما تشترك الرؤية 1 و3 في الأعمدة.
التحسين (Optimization):
- تستخدم قواعد التحديث الضربِيّة (على غرار Lee & Seung) لحل هذه المشكلة غير المحدبة.
- تتضمن استراتيجية تهيئة (Initialization strategy) محددة تعتمد على تحليل القيم المفردة (SVD) لضمان عدم السالبية والقياس الصحيح.
المعالجة اللاحقة:
- إزالة العناقيد الثنائية الزائفة: تستخدم نهج إعادة أخذ العينات باستخدام تباعد جينسن-شانون (JSD) للتمييز بين الإشارة الحقيقية والضوضاء. إذا كان توزيع عامل العنقود الثنائي غير قابل للتمييز عن البيانات المبعثرة (الضوضاء)، فسيتم إزالته.
- تحليل الاستقرار: تستخدم أخذ العينات الفرعية لتقيبم استقرار العناقيد الثنائية. العناقيد غير المستقرة (التي لا تستمر عبر العينات الفرعية) يتم إزالتها.

ب. Bisilhouette Score

لمعالجة نقص المقاييس الجوهرية، قام المؤلفون بتوسيع مقياس السيلويت (Silhouette Score) القياسي ليشمل سياق العناقيد الثنائية.

المفهوم: بدلاً من حساب السيلويت لجميع نقاط البيانات في عنقود عالمي، يتم حساب المقياس لعنقود ثنائي محدد $(R_k, C_k)$ $(R_{k}, C_{k})$ من خلال:
1. اقتطاع مصفوفة البيانات لتشمل فقط الأعمدة $C_k$ $C_{k}$ .
  1. حساب معامل السيلويت للصفوف في $R_k$ بناءً على هذا الجزء المقتطع.
2. حساب متوسط هذه المعاملات للحصول على درجة للعنقود الثنائي.
الخصائص:
- يعالج التداخل وعدم الشمول (يمكن أن تنتمي الصفوف/الأعمدة إلى عدة عناقيد أو لا تنتمي لأي منها).
- يقيم كلاً من التماسك (المسافة داخل العنقود) والانفصال (المسافة إلى أقرب عنقود آخر).
- يمكن استخدامه لتحديد العدد الأمثل للعناقيد الثنائية ( $K$ ) عن طريق تعظيم الدرجة.

3. المساهمات الرئيسية

خوارزمية ResNMTF: طريقة مبتكرة للتجميع الثنائي متعدد الرؤى توفر مرونة غير مسبوقة في تعريف العلاقات بين الرؤى (الصفوف المشتركة، الأعمدة المشتركة، أو كليهما) دون الحاجة إلى أعداد عناقيد محددة مسبقاً.
مقياس Bisilhouette Score: أول مقياس جوهري مصمم خصيصاً للتجميع الثنائي يأخذ في الاعتبار البنية المشتركة للصفوف والأعمدة، مما يسمح بالاختيار غير الخاضع للإشراف للنماذج وضبط المعلمات الفائقة (Hyperparameters).
إطار الاستقرار: إجراء قوي يجمع بين إزالة العناقيد الزائفة (عبر JSD) وتحليل الاستقرار (عبر أخذ العينات الفرعية) لضمان استرجاع العناقيد الموثوقة والمدفوعة بالإشارة فقط.
تقييم شامل: اختبار واسع النطاق على مجموعات بيانات اصطناعية وواقعية (متعددة الأوميكس ونصوص)، مما أظهر تفوقاً على الطرق الحديثة مثل iSSVD و GFA.

4. النتائج

تم تقييم أداء الطريقة على بيانات اصطناعية وأربع مجموعات بيانات واقعية: 3Sources (مقالات إخبارية)، BBCSport (أخبار رياضية)، A549 (بيانات متعددة الأوميكس وحيدة الخلية)، و TCGA (جينوم السرطان).

المقارنة مع المنافسين:
- تفوقت ResNMTF باستمرار على iSSVD و GFA (تحليل عامل المجموعة) من حيث مقياسي F-score و Relevance في معظم مجموعات البيانات.
- تفوقت ResNMTF عموماً على NMTF أحادي الرؤية (غير المقيد)، مما يثبت فائدة التكامل متعدد الرؤى.
- واجهت iSSVD صعوبة مع المعلمات الافتراضية وتطلبت قوة إشارة كبيرة للكشف عن العناقيد الثنائية. كانت GFA قوية تجاه الضوضاء ولكنها كانت أقل حساسية لتغير أعداد العناقيد.
التعامل مع التعقيد:
- نجحت ResNMTF في تحديد العناقيد الثنائية المتداخلة وغير الشاملة.
- ظل الأداء مستقراً حتى مع تغير مستويات الضوضاء وعدد الرؤى.
فعالية Bisilhouette Score:
- أظهر مقياس Bisilhouette ارتباطاً عالياً جداً (معامل بيرسون $r \approx 0.94$ ) مع F-score (المقياس الخارجي) في التجارب الاصطناعية، حيث حدد بشكل صحيح الطريقة الأفضل في 100% من السيناريوهات.
- أثبت فعاليته في ضبط المعلمات الفائقة (خاصة معاملات التقييد) في الإعدادات غير الخاضعة للإشراف، رغم أنه مال إلى إزالة العناقيد الأضعف لتعظيم متوسط الدرجة.
- عمل كأداة تصور مفيدة لفحص جودة كل عنقود ثنائي على حدة.

5. الأهمية

سد فجوة التقييم: إن تقديم مقياس Bisilhouette Score يسد فجوة حرجة في الأدبيات، حيث يوفر مقياساً داخلياً معيارياً للتجميع الثنائي لا يعتمد على تسميات (Labels) الحقيقة الأرضية. وهذا أمر ضروري لتطبيق التجميع الثنائي على بيانات البيولوجيا والعلوم الاجتماعية الواقعية حيث غالباً ما تكون التسميات غير متوفرة.
تكامل مرن متعدد الرؤى: على عكس الطرق السابقة التي تفرض إجماعاً صارماً (جميع الرؤى تشترك في نفس البنية) أو تعامل الرؤى بشكل مستقل، تسمح ResNMTF بالمشاركة الجزئية للبنية. وهذا أمر بالغ الأهمية للسيناريوهات الواقعية (مثل دراسات تعدد الأوميكس حيث تقيس الاختبارات المختلفة ميزات مختلفة لنفس المرضى).
المتانة: يضمن الجمع بين إزالة العناصر الزائفة وتحليل الاستقرار أن النتائج ليست مجرد نتاج للضوضاء، مما يجعل الطريقة موثوقة للتحليل الاستكشافي للبيانات.
الفائدة العملية: يوفر المؤلفون حزم لغة R مفتوحة المصدر (resnmtf و bisilhouette) لتسهيل اعتماد هذه الأساليب من قبل مجتمع البحث الأوسع.

في الختام، تقدم الورقة إطاراً رياضياً صارماً ومرناً عملياً للتجميع الثنائي متعدد الرؤى، مما يحل القضايا الرئيسية المتعلقة باختيار النموذج، وتكامل الرؤى، والتحقق من النتائج في التعلم غير الخاضع للإشراف.