KNN Networks

今天p 討論了single cell analysis為什麼要用knn？

knn的目的應該是要降噪，就是SC 的gene count有太noise，有一些細胞有，有一些細胞沒有，就算是同一類的細胞，結果就是用knn或snn來降低noise， 把附近相似的細胞都放進考慮。優點是noise降低，但解析度也變差，細胞間的差異被模糊化，這樣一來，真正的少數細胞就有可能看不到了。

究竟是真的沒有讀值？還是噪音呢？ 這是不是現有single cell的最大限制呢？

而network的建立，目的除了降噪，還可以用在非監督的分群上，在沒有真實(GROUNDTRUTH)的情況下，分類問題就只能用非監督的方法了。像是單細胞的分類，沒有人知道一群未知內確實的情況。另一個不知是不是類似的例子是cfDNA，在mapping某人的cfDNA結果後，怎麼做一個整体的評估？這種情況有沒有label？會是一個machine learning的問題？

ML的強項是預測，但是SCA的大目標是發現新的population，這二點在使用nn上有一點衝突，本來降噪就會讓不同的個体的特別性消失，除非個体的數量有一定比例，或可自成一群。這也許會有讓enrich的技術有提高價值得出路。

另外，有沒有什麼辦法可以比較非監督的clustering結果？ 或有什麼機會把ml的預測異常整合一起？