高次元データを歪みなく可視化・探索するためのソフトウェア 「Bonsai」 が公開された。AZoLifeSciences の記事および Nature Biotechnology の掲載情報によれば、内容は次のとおりである。
- 現代の生物学研究は前例のない規模でデータを生めるようになったが、複雑な高次元データセットを解釈することが大きな障害になっている
- Bonsai は、木構造の表現を再構成することで、高次元データの歪みのない可視化と探索を可能にするとしている
地味な道具の話に見えるが、可視化を根拠に判断している場面は実務に多い。そこに歪みがあるなら、判断も歪む。
二次元に落とすと、何かが失われる
数千次元のデータを平面に描くには、次元を減らす必要がある。この操作は、必ず情報を捨てる。
問題は、何を捨てているかが図から分からないことにある。よく使われる非線形の次元圧縮では、次のような性質が知られている。
- 点と点の距離が保存されない。図の上で近い2点が、元の空間で近いとは限らない
- かたまりどうしの間隔に意味がない。2つのクラスタが離れて描かれても、それが元の空間での隔たりを表すとは限らない
- パラメータで見え方が変わる。設定を変えれば、同じデータから違う図が出る
にもかかわらず、図は説得力を持つ。「2つの集団が分かれている」という主張は、図が分かれていれば通ってしまう。歪みのない可視化という設計目標は、この構造への対処にあたる。
判断に使われている場面
高次元データの可視化は、既に判断の材料になっている。
- シングルセル解析：細胞集団を分類し、サブセットを定義する
- 細胞治療のCQA：どの細胞集団の割合を規格にするかを決める
- 多変量解析による工程理解：工程パラメータと品質特性の関係を見る
- ソフトセンサー：モデルが扱っている空間を人が確認する
- 抗体のレパートリー解析：配列クラスタから代表を選ぶ
最後の例は、AI抗体設計の盲検ベンチマークで示された所見と接続する。クラスタ内から高親和性クローンを選ぶ性能が、多くのモデルでランダム選択に劣ったという結果は、クラスタという構造の取り方そのものにも関わりうる。
「歪みのなさ」を確かめるには
可視化の道具を選ぶとき、実務で確認できる点は限られる。それでも次は見ておける。
- 同じデータで、別の手法と比べたときに結論が変わらないか。変わるなら、その結論は手法に依存している
- パラメータを振ったときに、図の構造が保たれるか
- 図から読み取った差が、元の空間の数値でも確認できるか
三点目が実質的に重要である。可視化は仮説を作る道具であって、検証する道具ではない。図で見えた差は、元のデータで統計的に確かめる。この順序を守れば、可視化の歪みが結論を左右する余地は減る。
規制下の判断に使う場合は、さらに要求が増える。分析法の妥当性と同じく、その処理が目的に照らして使えることを示す必要がある。データインテグリティの観点では、どのバージョンのソフトで、どの設定で作られた図かが記録に残ることも要る。
道具が増えることの意味
測定の側は速く安くなり続けている。大規模並列の遺伝子合成のように、作る側の制約も緩みつつある。結果として、データを読む側が律速になる場面が増えている。
解析手法は論文として次々に出るが、実務で使われるかどうかは、実装の使いやすさと、出力の信頼性で決まる。歪みのなさを設計目標に掲げた道具が出てくること自体が、この分野の成熟の一つの形といえる。
※ 本ページは公開情報（AZoLifeSciences の記事および Nature Biotechnology の掲載情報）をもとにしたProglenth編集部による整理です。手法・性能・適用範囲の詳細は一次情報をご確認ください。本文中の解説は高次元データの可視化一般の構造に関する説明であり、当該ソフトウェアの具体的な性能や比較結果を示すものではありません。