🤖 machine learning

IRIS: time-structured manifold projections

本文介绍了 IRIS，这是一种新型流形学习算法，旨在通过同时保留时间顺序和流形拓扑结构来可视化高维时间性生物医学数据，从而克服了现有方法（如 t-SNE 和 UMAP）在捕捉动态生物过程方面的局限性。

原作者： Brian Ondov, Chia-Hsuan Chang, Weipeng Zhou, Xingjian Zhang, Xueqing Peng, Yutong Xie, Huan He, Qiaozhu Mei, Hua Xu

发布于 2026-06-01

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Brian Ondov, Chia-Hsuan Chang, Weipeng Zhou, Xingjian Zhang, Xueqing Peng, Yutong Xie, Huan He, Qiaozhu Mei, Hua Xu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你拥有一个由高维数据组成的、庞大且混乱的图书馆。在生物学和科学领域，这可能意味着数百万个细胞、数千个细菌样本，或是数十万篇研究论文。为了理清这些乱象，科学家通常会使用一种叫做“流形学习”（Manifold Learning）的工具（例如 t-SNE 或 UMAP）。你可以把这些工具想象成一位神奇的制图师。他们将一个复杂的多维物体压平，投影到一张二维纸面上，以便人类观察其中的模式。

然而，这里有一个陷阱：标准的制图师是“时间盲”的。如果你的数据随时间而变化（比如一个细胞从婴儿成长为成年，或者 2010 年与 2024 年发表的研究论文），标准的地图会打乱时间的顺序。这就像是把一张孩子成长过程的照片集随机打乱，然后仅仅根据照片中孩子的“长相”来尝试排列它们。你可能会把所有的“婴儿期”照片聚在一起，但你会丢失关于这些照片“何时”发生的叙事。

于是，IRIS 诞生了。

该论文的作者创建了一种名为 IRIS 的新算法（其名称代表“时间结构化流形投影”，Time-structured Manifold Projections）。你可以将 IRIS 想象成一个用于数据可视化的螺旋时间机器。

以下是它的工作原理，我们使用简单的类比来解释：

1. “螺旋星系”布局

IRIS 不是将数据压平在一个正方形网格上（像标准地图那样），而是将数据组织成一个圆形、螺旋状的图案。

中心： 代表最早的时间（“开始”）。
外圈： 代表较晚的时间（“未来”）。
角度： 代表数据点之间的关系（谁与谁相似）。

想象一下树木的年轮或一个星系。星系的中心是星系的诞生，随着时间的推移，恒星向外螺旋展开。在 IRIS 中，如果你观察这张地图，只需看一个数据点距离中心有多远，就能立刻判断出它“有多大岁数”。

2. 解决“拥挤”问题

标准地图通常存在一个被称为“拥挤”的问题。如果你的数据在某个特定时间段非常密集，它们就会被挤压在一起，导致难以观察细节。

IRIS 的解决方法： 该算法在数学上扮演着智能弹性带的角色。它会在绘制地图之前，对“时间”轴进行拉伸或压缩。如果你在某一年有大量数据，而在另一年数据很少，IRIS 会拉伸那一年的圆环，让数据点有足够的空间“呼吸”，同时保持整体形状的圆形。这确保了地图看起来是平衡的，不会在某个地方被挤压。

3. 两步走方案

论文描述 IRIS 的工作过程分为两个主要阶段，就像分两步烘焙蛋糕一样：

第一步：设定时间（半径）： 首先，IRIS 会计算出一个完美的数学规则，将“时间”转换为“距离中心的距离”。它计算出分布圆环的最佳方式，以确保它们既不会太拥挤，也不会太空旷。
第二步：排列邻居（角度）： 一旦圆环设定完成，IRIS 就会让数据点绕着中心旋转。它试图让相似的事物（比如同类型的细胞或主题）彼此靠近，但同时强制它们留在正确的“时间环”上。这就像是在组织一场派对，每个人都必须站在属于自己生日的圆环上，但他们仍然可以和同一个圆环上的朋友亲密接触。

他们测试了什么？

作者在三种截然不同的“混乱”数据类型上测试了 IRIS，以观察它是否比标准工具（UMAP）表现更好：

小鼠胚胎（单细胞 RNA 测序/scRNA-seq）： 追踪一只小鼠如何从一个微小的胚胎成长为幼崽。IRIS 展示了清晰的发育进程，而标准地图则打乱了时间线。
肠道细菌（宏基因组学）： 观察不同年龄人群体内的细菌情况。IRIS 清晰地展示了细菌群落是如何随着人类年龄增长而变化的。
科学文献： 分析关于阿尔茨海默症和免疫系统的数千篇研究论文。IRIS 展示了这些论文的主题是如何随数十年演变的，创造了一个清晰的科学发现时间线。

核心结论

该论文声称，IRIS 是一种尊重时间线的新型复杂数据可视化方法。

标准地图 (UMAP/t-SNE)： 擅长展示谁与谁相似，但擅长展示事情何时发生。
IRIS： 既能展示谁与谁相似，又能通过按时间排列的螺旋结构清晰地展示事情何时发生。

作者总结道，IRIS 是开源的，运行速度快，并且允许科学家观察数据的“故事”（变化的动态），而无需依赖猜测或查看多个混乱的图表。它将静态的快照转变为了一部清晰的编年史电影。

技术摘要：IRIS – 时间结构化流形投影

问题陈述
高维生物医学数据，如单细胞 RNA 测序（scRNA-seq）、比较宏基因组学和科学文献嵌入，正日益带有时间维度（例如：发育阶段、受试者年龄、出版日期）。虽然 t-SNE 和 UMAP 等流形学习算法在通过对相似项进行分组来可视化高维结构方面不可或缺，但它们本质上是无监督的，并未将时间顺序纳入其布局结构中。因此，细胞类型或其它类别随时间变化的动态过程往往会被掩盖。

目前的变通方法并不充分：

并排视图： 通过在单独的图中分别按类别和时间着色布局，需要繁琐的扫描，这使得估算特定类别的时段或识别时间极值变得困难。
对齐 UMAP（Aligned UMAP）： 该方法生成多个布局，同时惩罚跨布局的移动。然而，它需要少量的离散时间切片，并假设相同的项目出现在多个切片中，而这在 scRNA-seq 或其他时间性数据集（如 scRNA-seq）中很少见。此外，它加剧了多视图的问题，通常需要动画或笨重的 3D 图表来展示轨迹。

方法论
作者提出了 IRIS（Incorporating Radial time-structured Inverse Structure，引入径向时间结构化逆结构），这是一种新的流形学习算法，它在时间轴上和流形拓扑结构上对低维布局进行构建。IRIS 通过创建圆形布局，使时间沿同心圆环向外辐射，从而将角度维度用于编码高维关系。

该算法分为两个主要阶段：

第一阶段：优化径向指数（时间映射）
- 目标： 将时间戳映射到环形半径，使得点密度在径向上是均匀的，从而解决“拥挤问题”并确保可以从位置推断时间。
- 机制： 时间 $t$ 通过幂函数映射到半径 $r$ ： $r_i = \zeta + (1 - \zeta)t_i^\rho$ ，其中 $\zeta$ 是控制内半径比例的超参数， $\rho$ 是待优化的全局指数。
- 优化： 算法定义了一个理想的概率密度函数（PDF） $P(X)$ ，代表在环形区域内分布均匀的密度。随后，利用 KL 散度寻找最优的 $\rho^*$ ，以最小化理想 PDF 与源自数据的实际半径分布 $Q$ 之间的散度。此阶段处理了时间偏斜问题。
- 重采样： 为了防止由于时间标签稀疏或粗糙导致的条带伪影，IRIS 提供可选的概率性时间重采样（同质或异质），以创建更连续的时间分布。
第二阶段：优化角度（流形结构）
- 目标： 优化每个点的角度 $\theta_i$ ，在保留高维关系的同时，将其约束在第一阶段确定的半径内。
- 机制： 算法将欧几里得代价函数从笛卡尔坐标系重新参数化为极坐标系。它利用类似于 LargeVis（UMAP 的前身）的概率框架，基于近似最近邻（ANN）定义边概率。
- 代价函数： 目标函数 $C$ 平衡了欧几里得距离和角度距离。对于正对（高维空间中的邻居），代价函数最小化半径和角度的距离。对于负对，则最大化分离度。代价函数包含一个超参数 $\beta$ ，用于平衡欧几里得距离与角度距离的贡献。
- 优化： 使用随机梯度下降来更新角度 $\Theta$ ，以最小化高维空间与低维空间之间距离分布的散度。

核心贡献

算法创新： IRIS 引入了一种新颖的归纳偏置，创建了时间向外辐射的圆形布局，使得时间关系可以直接从布局几何结构中可见，而非依赖颜色通道。
重参数化： 本文详细介绍了将欧几里得代价函数重新参数化为极坐标的方法，从而能够同时优化全局时间映射（半径）和局部流形结构（角度）。
时间重采样： 提出了一种处理稀疏或粗糙时间标签的策略，以避免布局中的视觉伪影。
实现： IRIS 使用 Python 和 C++ 实现，利用了 LargeVis 框架，并作为一个开源包提供。

结果
作者在涵盖三个生物医学领域的五个数据集上评估了 IRIS：

scRNA-seq (Embryo)： 小鼠胚胎发育（28,604 个细胞）。
scRNA-seq (Neuro)： 神经退行性疾病图谱（30,556 个样本）。
Metagenomes (Gut)： 跨 29 项研究的肠道微生物组数据（4,479 个样本）。
Literature (ADRD)： 阿尔茨海默病及相关痴呆症（ADRD）语料库（17,518 篇文章）。
Literature (PD-1)： 免疫检查点通路语料库（27,886 篇文章）。

评估指标：

类别结构化 (KNN)： 通过 K-最近邻分类器根据布局坐标预测类别标签的准确率来衡量。
时间结构化 (SVR)： 通过支持向量回归（SVR）模型根据布局坐标预测时间戳的 $R^2$ 拟合优度来衡量。
TMPS： 定义为 KNN 和 SVR 之调和平均值的“时间结构化流形投影得分”。

发现：

视觉清晰度： IRIS 布局能瞬间阐明动态现象（例如，细胞类型的分支、神经前体细胞的独特起源），这些现象在配对的 UMAP 图中并不容易观察到。
定量性能： 定量指标证实，IRIS 有效地实现了布局的时间结构化（在此方面 UMAP 表现较差），同时保留了与 UMAP 相当的类别结构化能力。
可扩展性： IRIS 的运行时间随样本数量呈线性扩展。

意义与主张
论文声称 IRIS 为现有流形学习算法处理时间性数据的局限性提供了解决方案。通过同时对时间和拓扑进行布局结构化，IRIS 使时间关系在布局本身中清晰可见，从而释放了颜色通道用于编码类别信息。作者将 IRIS 定位为一种能够可视化广泛动态生物医学数据的工具，为并排对比或多视图动画提供了一种更直观、信息密度更高的替代方案。这项工作被作为一种开源贡献，面向生物医学领域的数据可视化和机器学习领域。