UMAP：一张地图，而不是一把尺子

UMAP 是怎样画出来的

UMAP 的思路分两步。第一步和聚类相似：在 PC 空间里为每个细胞找最近的邻居（Seurat 默认 n.neighbors = 30），得到一张带权重的邻居图。第二步是在二维平面上摆放所有细胞，让图里相连的细胞靠近、不相连的细胞推开，反复优化直到稳定。

两个参数影响最大：

• n.neighbors：每个细胞考虑多少邻居。小了强调局部细节，大了更照顾整体布局。
• min.dist（Seurat 默认 0.3）：点与点之间允许多近。小了簇更紧凑，大了点更分散。

优化过程有随机性，换一个随机种子，簇的位置和朝向就会变，但“谁和谁相邻”基本保持。

obj <- RunUMAP(obj, dims = 1:10)

从 PCA 到 UMAP

组件把每个细胞从 PC1/PC2 散点图上的位置，动画移动到它在 UMAP 上的位置。在 PC1/PC2 上重叠在一起的群体，在 UMAP 上分开了，因为 UMAP 用的是全部选定的 PC（这里是前 10 个），而不只是前两个。代价是距离被扭曲：UMAP 为了把邻居放在一起，会拉伸和压缩空间。

再切换到 t-SNE：同样的簇，排布却不一样。这说明簇在图上的相对位置不是数据本身的属性，而是算法的选择。

常见误区

UMAP 可以告诉你：哪些细胞彼此相邻；一个群体在这次嵌入中是否与其他群体分开；某个基因的表达在哪些区域偏高。

UMAP 不能告诉你：

• 簇与簇之间的距离。 两个簇在图上离得远，不代表它们比离得近的两个簇差异更大。
• 细胞数量和异质性。 簇的面积和密度不对应细胞数量或簇内的变异程度。
• 轨迹。 两个簇之间有一条“桥”，不一定意味着存在分化过程（第 12 章）。
• 聚类和统计。 簇在 PC 空间的图上计算，所以一个簇在 UMAP 上看起来分成两块，或与相邻簇有交错，都不说明聚类出错；也不要在 UMAP 坐标上算距离或做检验。

另外，UMAP 上的分离不等于统计显著；发表时写明 PC 数、n.neighbors、min.dist 和随机种子。