新型树状软件Bonsai简化高维数据可视化

现代生物学研究能够以前所未有的规模产生宝贵数据，但如何理解这些复杂的高维数据集一直是个主要障碍。瑞士巴塞尔大学（University of basel）的一个团队开发了一款名为Bonsai的新软件工具，能够准确描绘高度复杂数据集内部隐藏的结构，帮助科学家发现数据中的隐藏模式，从而推动新的科学发现。

大数据时代的分析困境

过去十年，生物学进入了“大数据”时代。如今的高通量技术能够产生庞大的数据集，捕捉细胞的身份和多维特征。例如，利用单细胞RNA测序（single-cell RNA sequencing），研究人员可以测量数十万个甚至数百万个单细胞中数万个基因的活性。从遗传学、癌症研究到神经科学，许多生物学领域都在产生类似的大规模数据集。

这些数据有望为细胞如何发育、通讯以及在疾病过程中如何变化提供根本性的新见解。然而，分析和解读如此复杂的数据集仍然是一个巨大挑战。论文资深作者Erik van Nimwegen解释说：“人类擅长在二维或三维中识别模式，但我们根本无法为存在于10000维的数据集画出一幅图，也缺乏直觉去理解如此高维空间中可能存在什么样的结构。”

用树状结构替代平面图

目前大多数流行工具将数千维的数据强制压缩到二维地图中。尽管这些方法几乎用于每一项研究，但研究人员也承认，这类图片总会扭曲数据，无法判断所显示的细胞间关系是真实的还是强行二维可视化产生的伪影。Bonsai克服了这一问题。

“我们的工具不是创建平面地图，而是构建一棵分支树，单个细胞位于分支的叶端，”第一作者Daan de Groot分享道。“关键在于，沿分支的距离准确反映了细胞在高维空间中的亲缘关系。”团队在模拟和真实的单细胞RNA测序数据集上测试了该软件。与现有方法相比，Bonsai重建发育路径的准确性大幅提高，保留了细胞间的真实关系，并能更可靠地识别相似细胞。

从更准确的图像到新发现

当研究人员分析人类血细胞时，Bonsai不仅自动恢复了不同血细胞类型之间已知的关系，还发现了一种免疫细胞——自然杀伤（NK）细胞的新亚型。这种新NK细胞亚型的分子特征表明，它们起源于一种称为髓系（myeloid lineage）的谱系，这不同于此前认为所有NK细胞都源自的淋巴谱系（lymphoid lineage）。

“这个例子说明了为什么复杂数据的忠实呈现和可视化如此重要，”van Nimwegen总结道。“当你能够信任图像时，你获得新发现的机会就会大得多。”

由于Bonsai可应用于任何类型的高维数据，不仅包括基因表达和染色质状态数据，还包括医学数据、微生物组数据（即物种组成）或神经科学数据（即神经放电模式），研究人员相信Bonsai可以成为整个生命科学领域科学家的宝贵工具。该软件已在https://bonsai.unibas.ch/向研究社区免费提供。

来源：BioTechniques（英文原文，生物航编译，内容以原文为准）