HiPiler Visual Exploration of Large Genome Interaction Matrices with Interactive Small Multiples

  • 论文原文：HiPiler: Visual Exploration of Large Genome Interaction Matrices with Interactive Small Multiples
  • 作者：Fritz Lekschas, Benjamin Bach, Peter Kerpedjiev, Nils Gehlenborg, and Hanspeter Pfister
  • 发表刊物/会议：2017 InfoVis

image-20180627173553094

图1：系统界面。矩阵视图（1）包含概述（1A）和详细（1B）矩阵。 片段视图（2）将矩阵的区域呈现为交互式的small multiples。 在这个例子中，片段以t-SNE（2C）排列，一堆片段会以其平均模式进行显示（2A）。 查看操作菜单位于底部（1C和2B）。

个人评述

  1. 结合了small multiple和overview+detail的方法来探索大矩阵，对大规模数据可视化很有借鉴意义。
  2. 文章整体领域性特别强，就很注重讲故事的能力，并且整篇文章的讲故事能力也很强。

启发：

  1. 这对大规模图可视化其实有一个很好的借鉴意义，但相比于文中的有序矩阵，图的无序性会让其在拓扑空间的上下文很难展示在平面上。

    overview->detail->small multiple的方法，是大规模数据可视化的一个重要模式。但在图可视化中，这几个部分都还很具有挑战性。

  2. 结合领域知识，使整片文章的motivation非常充足，或许也给我们一个思路，在结合领域的基础上进行科研，但又要跳出领域知识，比如这篇文章并没有把自己局限在生物领域，在其他领域，只要满足其矩阵有序的基本假设，都可以应用这个方法。

介绍

生物学家对基因序列是如何折叠的研究非常感兴趣，可以帮助理解细胞的功能、疾病的产生等。

基因组之间存在相互作用（interacting），两两之间相互作用则会形成一个基因组相互作用矩阵（genome interaction matrix），最多能达到三百万×三百万。里面会包含一些重复出现的图案/模式（称为ROI, regions of interest）。

  • 挑战：
  1. 算法识别的结果不是很可信，并且没有ground-truth去评估这些算法是否准确。
  2. 成千上万的小ROI的探索和比较，还没有工具能够支持。
  • 贡献：
  1. 对算法检测到的团进行可视化评估
  2. 大规模图案集合的分类、聚合、异常点检测
  3. 在多个矩阵之间比较ROI（比如，在不同数据集，实验条件，抽取算法等等），下文中也会称之为Snippet
  4. 对其他的基因属性和图案之间的相关性进行分析

image-20180627173831533

图2：snippets方法，将大矩阵（1）分解成小片段（2），并使用不同的布局，排列和样式探索这些片段（3），同时保持全局上下文。 矩阵内的小方块表示片段位置。

背景

  • Hi-C矩阵分析：HI-C是一种捕获基因序列片段之间相互交联的方法。基因序列片段如果在空间上如果比较接近的话，会相互交联，如下图。每次检查数百万个不同细胞，会产生基因序列片段之间的平均接触概率矩阵。矩阵非常稀疏，并呈现这样的规律：空间邻近的基因序列片段更容易相互交联。

    矩阵元素的颜色深浅编码了基因片段之间的接触概率。

    image-20180627154141291

    图3：Hi-C方法：由于DNA(1)在细胞核(2)中并非随意进行组织的，某些序列会进行紧密交联(3)。在经过数亿个细胞计数之后(4)，会得到一个多达300万个单元的相互交联矩阵(5)，深色表示交联次数更多

  • 专家采访：主要围绕了以下三方面展开，

  1. 基因折叠相关研究的长期目标

    更好地理解基因组对基因调控等过程的作用。

  2. 工作的流程和策略

  3. 当前的挑战

    • 不同ROI相距甚远，普通工具容易导致上下文的丢失。
    • 很多图案之间差异细微
    • 数据噪音的存在，并非所有的图案都跟生物特征有关（有些仅仅是因为空间限制引发了交联）

  • 常见的Hi-C矩阵图案：

    下图显示了一些常见的图案：

    image-20180627161019379

    图4：放大尺寸后的交联矩阵中的频繁图案的示例。上方的矩阵是下方矩阵的一个示意。交联矩阵是对称的，所以下面的三角用灰度来显示，以突出那些用橙色标记的图案。

  • 分析任务：

    T1. 搜索已知的图案
    T2. 发现新的图案
    T3. 对某个图案实例进行研究
    T4. 比较单个图案类型中包含的多个实例
    T5. 将图案和其他生物特征进行关联
    T6. 比较矩阵中不同的ROI

相关工作

围绕了：

  1. 基因交联矩阵可视化
  2. 大矩阵可视化
  3. 分而治之的挖掘方法

HiPiler的设计

image-20180627173447375

图5：HiPiler的可视化和交互的概览

关键目标：利用smal multiple的方法来对大矩阵的多个ROI进行探索。（如何提取ROI不是本文工作）

Hipler的设计过程是被以下几个问题所驱动的：

  1. 如何有意义的限制ROI的显示数量？
  2. 用什么交互来支持有效的排列？
  3. 如何链接这些ROI和整个大矩阵？

数据模型

这里假设了矩阵的行和列的排序是固定的，由基因序列给出。

设计

跟计算生物学家之间讨论，研究了不同的可视化设计，并最终决定使用矩阵来进行可视化。

片段隐喻（Snipptet Metaphor）

解决任务T1，T2，T3，T5。用来展示ROI的的矩阵数据，附加的一些可视化设计可以编码类别信息和有序数据：类别信息会被编码成颜色放在底下，有序数据则可以被编码成边框的颜色和粗细。

image-20180627170413058

图6：片段snippet被绘制为热力图（1），显示其ROI的矩阵数据。 分类属性可以用颜色标签可视化（2）。 与片段相关的有序数据可以通过边框的宽度和颜色（3）显示。 例如，较高的值被绘制为黑色粗边框。

片段布局（Snippet Layout ）

解决任务T4。通过降维的方式，允许进行一维排序（1D），二维的布局（2D）以及多维的聚类（MD）。

image-20180627171216301

图7：片段snippet可以沿着各种不同的尺寸排列。 对于单个属性，片段在支持读取方向和希尔伯特曲线（1）的1D中布置。 选择两个属性创建散点图（2）。 对于两个以上的属性，HiPiler应用了降维算法（3），如t-SNE [33]。

聚合（Aggregation）

解决任务T4，T6。利用了打桩（piling）来隐喻多个snippet的聚合。聚类后，每个片段每列取平均值划为一行的形式显示在上方，可以hover查看具体图案。集合封面可以显示集合的平均值或者方差。

image-20180627171531688

图8：HiPiler显示一堆片段的平均值（1A）或方差（1B）的封面矩阵。 此外，每个片段都显示为一维预览，显示片段列的水平聚合（2）。 将鼠标光标移到预览上可显示相关矩阵。 检查堆（3B）的时候暂时隐藏所有其他片段（3B）。

关联（Linking）

解决T5，T6。将细节视图中的snippet关联到大矩阵中，因为在基因序列上的邻近信息对分析很重要。通过颜色标记来标记snippet在矩阵中的位置，不在矩阵视窗中的那些snippet则会被淡出。

image-20180627172331496

图9：当在片段上进行悬停，该片段的位置会在交联矩阵（1A）和矩阵细节（1B）进行高亮显示。其他的颜色表示另外选择的矩阵。

交互技术

如图5.5所示，用户可以通过拖拽、lasso、刷选等方式来创建堆，双击以分散堆。缩放的时候，片段也会对窗口进行自适应。

评估

评估通过USAGE SCENARIOS和USER EVALUATION展开。

其中USER EVALUATION不同于之前的USER STUDY，仅仅是让生物学家来使用这个系统，然后反馈意见。