2月24日，广东省智能科学与技术研究院在横琴粤澳深度合作区举办“DTNE算法介绍与应用”技术分享会。

广东省智能院博士后魏江勇介绍，单细胞测序数据蕴含着丰富的细胞状态和类型信息，但其高维度、噪声干扰以及复杂拓扑结构给数据解析带来了极大挑战。现有分析工具（如t-SNE、UMAP）虽在降维和可视化任务中广泛应用，但在捕捉细胞间真实关系以及全局拓扑结构方面仍显不足。针对上述挑战，广东省智能院研究团队开发了DTNE算法（Diffusive Topology Neighbor Embedding），通过引入扩散过程和流形距离的创新思路，实现了对细胞间几何关系的精确建模和数据全局结构的可靠保持。

本次技术分享通过实操示例演示，现场展示DTNE在多个真实和合成数据集上的应用。“DTNE不仅可以用于高维数据的低维可视化，还能支持伪时间轨迹推断和细胞聚类分析。”魏江勇表示，该算法通过引入拓扑结构的精准保持，有望推动新一代数据分析工具的发展。此外，该流形学习框架具有较强的通用性，可扩展到其他高维数据分析场景，助力相关研究领域的发展。