Interactive Visualization of Metric Distortion in Nonlinear Data Embeddings using the distortions Package

想象一下，你有一个巨大的、缠绕在一起的毛线球，它代表着复杂的生物数据，比如数百万个细胞内部的遗传指令。科学家们经常使用特殊的工具（称为非线性降维方法）来解开这个毛线球，并将其展平在一张简单的二维图谱上，就像一张纸一样，以便他们能够观察到其中的模式，例如不同类型的细胞或它们随时间变化的方式。

然而，就像试图将一个皱缩的地球仪压平成一张平面地图一样，这个过程不可避免地会导致形状的拉伸、挤压或撕裂。这被称为失真（distortion）。有时，这张图谱会让原本相邻的两组细胞看起来相距甚远，或者可能会创造出一个在原始数据中并不存在的“虚假”孤岛。如果科学家过度信任这些图谱，他们可能会得出错误的结论。

为了解决这个问题，作者创建了一个名为 distortions 的新软件工具。你可以把它想象成数据图谱的“真相热力图”。它不仅仅是展示那张展平后的图片，还会精准地标示出地图在哪些地方被拉伸或扭曲了。

以下是该工具如何发挥作用（基于论文的说法）：

• 发现“撕裂”： 它像一束聚光灯，揭示出“破碎的邻里关系”。如果一组相似的细胞在图谱上被拆分开了，该工具会发出警示，让科学家知道该图谱在特定区域具有误导性。
• 调节“旋钮”： 科学家通常需要调整设置（超参数）以获得最佳图谱。这个工具能帮助他们看到哪些设置造成的拉伸最少，从而通过“调优”来提高图谱的准确性。
• 选择正确的工具： 它能帮助研究人员决定哪种映射方法（如 UMAP 或 t-SNE）最适合他们的特定数据，因为它能显示哪种方法对真相的扭曲最小。

简而言之，论文认为，通过增加这一层“失真信息”，科学家可以更有信心地观察他们的数据图谱，因为他们清楚地知道地图在哪些地方是准确的，又在哪些地方被拉伸变形了。作者已将该工具及其使用示例免费发布在网上，供任何人尝试。