Resumo Técnico: DREAMS – Preservando tanto a Estrutura Local quanto a Global na Redução de Dimensionalidade

Problema

A redução de dimensionalidade (DR) é essencial para visualizar dados de alta dimensão, mas os métodos existentes geralmente se destacam na preservação da estrutura local ou da estrutura global, mas raramente em ambas simultaneamente.

• Estrutura Local: Métodos como t-SNE e UMAP preservam efetivamente as relações de vizinhança e agrupamentos detalhados (ex: tipos celulares específicos), mas frequentemente distorcem arranjos globais (ex: separações de classes amplas ou trajetórias de desenvolvimento).
• Estrutura Global: Métodos como PCA e MDS preservam padrões macroscópicos de dados e variância, mas frequentemente falham em resolver relações locais finas, fundindo clusters distintos.

Em conjuntos de dados do mundo real, como a transcriptômica de célula única, ambas as escalas de estrutura são significativas e complementares. Negligenciar uma dessas escalas pode levar a interpretações incompletas ou enviesadas. As abordagens híbridas atuais frequentemente lutam para equilibrar esses objetivos conflitantes de forma eficaz ou falham em recuperar os extremos puros (PCA padrão ou t-SNE) dentro de seus espectros de otimização.

Metodologia: DREAMS

Os autores propõem o DREAMS (Dimensionality Reduction Enhanced Across Multiple Scales), um método não paramétrico que combina a sensibilidade local do t-SNE com a preservação da estrutura global do PCA por meio de um termo de regularização simples.

Mecanismo Central

O DREAMS aumenta a função de perda padrão do t-SNE com uma penalidade quadrática que incentiva o embedding de baixa dimensão a alinhar-se com um embedding de referência global pré-computado (padrão: PCA).

A função objetivo é definida como:
$$L(Y) = (1 - \lambda)L_{t-SNE}(Y) + \lambda \frac{1}{n} \|Y - \alpha \tilde{Y}\|_F^2$$

Onde:

• $Y$ é o embedding de baixa dimensão sendo otimizado.
• $L_{t-SNE}(Y)$ é a perda padrão do t-SNE (divergência de Kullback–Leibler entre as distribuições de similaridade de alta e baixa dimensão).
• $\tilde{Y}$ é o embedding de referência global pré-computado (ex: PCA).
• $\lambda \in [0, 1]$ é um hiperparâmetro que controla o equilíbrio entre a preservação local e global.
• $\alpha$ é um fator de escala escalar computado em cada iteração do gradiente descendente para igualar a escala do embedding t-SNE ($Y$) com a do embedding de referência ($\tilde{Y}$), garantindo a compatibilidade entre a escala linear do PCA e a escala não linear do t-SNE.

Detalhes de Implementação

• Embedding de Referência: Por padrão, o DREAMS utiliza o PCA devido à sua velocidade e interpretabilidade. No entanto, o framework suporta outros métodos globais como o MDS (referido como DREAMS-MDS).
• Otimização: O método é implementado com base na biblioteca openTSNE, adicionando o termo de regularização à otimização do gradiente descendente.
• Abordagem Alternativa: Os autores também exploraram uma variante de "Decodificação Linear" (DREAMS-CNE-Decoder) usando um decodificador linear treinável para reconstruir os dados originais a partir do embedding, mas descobriram que a abordagem de referência pré-computada é superior na preservação da estrutura local.
• Espectro: Ao variar $\lambda$, o DREMS gera um espectro contínuo de embeddings:
  • $\lambda = 0$: Recupera o t-SNE padrão.
  • $\lambda = 1$: Recupera o embedding PCA escalonado.
  • $0 < \lambda < 1$: Fornece um equilíbrio entre local e global.

Principais Contribuições

1. Estratégia de Regularização: Introdução de um termo de regularização simples e eficaz que integra a preservação da estrutura global (via PCA/MDS) diretamente na função objetivo do t-SNE.
2. Espectro de Visualizações: Demonstração de um espectro de embeddings ajustável que oferece um equilíbrio estado-da-arte entre a preservação das estruturas local e global.
3. Benchmarking Abrangente: Avaliação de dez algoritmos em onze conjuntos de dados do mundo real, incluindo transcriptômica de célula única, dados genômicos e conjuntos de dados de imagens.
4. Implementação de Código Aberto: Disponibilização de uma implementação de código aberto baseada nas bibliotecas openTSNE e CNE (Contrastive Neighbor Embedding).

Resultados Experimentais

Os autores avaliaram o DREAMS contra baselines (t-SNE, UMAP, PCA, MDS) e métodos híbridos (TriMap, PaCMAP, PHATE, SQuadMDS-hybrid, StarMAP) usando duas métricas primárias:

• KNN (Local): Recall de k-vizinhos mais próximos.
• CPD (Global): Correlação de distâncias pareadas (correlação de Spearman).

Descobertas

• Equilíbrio Superior: Em 10 de 11 conjuntos de dados, o DREAMS (com $\lambda=0,15$ padrão) alcançou a maior pontuação agregada local-global. Ele manteve consistentemente as pontuações de KNN próximas ao t-SNE enquanto alcançou pontuações de CPD próximas ao PCA.
• Comparação com Híbridos: O DREAMS superou outros métodos híbridos como StarMAP e SQuadMDS-hybrid. Especificamente, o DREAMS preservou a estrutura local significativamente melhor que o StarMAP (que usa UMAP) e ofereceu um equilíbrio local-global mais favorável que o SQuadMDS-hybrid.
• Qualidade do Espectro: O espectro de embeddings gerado pelo DREAMS proporcionou uma transição mais suave e eficaz entre os extremos local e global em comparação com métodos concorrentes, que frequentemente falhavam em recuperar os limites puros de PCA ou MDS ou sofriam degradação de desempenho nos extremos.
• Limitações: Em conjuntos de dados que carecem de uma estrutura global proeminente (ex: MNIST), o DREAMS não pôde maximizar simultaneamente ambos os parâmetros, pois a própria estrutura global era fraca. Nesses casos, o desempenho foi comparável ao de outros métodos.

Significância e Alegações

O artigo afirma que o DREAMS aborda uma lacuna crítica na redução de dimensionalidade ao permitir a preservação simultânea das estruturas local e global sem compromisso substancial.

• Interpretabilidade: Ao ancorar a otimização do t-SNE a uma referência de PCA, o DREAMS produz visualizações que são tanto localmente detalhadas (revelando clusters finos) quanto globalmente coerentes (preservando separações de classes amplas), tornando-as mais fiéis à hierarquia subjacente dos dados.
• Flexibilidade: O método é adaptável; os usuários podem ajustar o $\lambda$ para priorizar características locais ou globais dependendo das necessidades analíticas específicas, ou trocar o embedding de referência (ex: para MDS) se o PCA for subótimo para a geometria global de um conjunto de dados específico.
• Praticidade: Os autores observam que, embora o DREMS introduza um leve custo computacional devido ao termo de regularização, a configuração padrão ($\lambda=0,15$) funciona de forma robusta em diversos conjuntos de dados sem exigir um ajuste extensivo de hiperparâmetros.

Os autores concluem que o DREAMS fornece uma ferramenta de visualização mais fiel e interpretável, particularmente para conjuntos de dados hierárquicos onde múltiplas escalas de estrutura estão presentes.