Topological data analysis: A promising big data exploration tool in biology, analytical chemistry and physical chemistry

a b s t r a c t
An important feature of experimental science is that data of various kinds is being produced at an unprecedented rate. This is mainly due to the development of new instrumental concepts and experimental methodologies. It is also clear that the nature of acquired data is significantly different. Indeed in every areas of science, data take the form of always bigger tables, where all but a few of the columns (i.e. variables) turn out to be irrelevant to the questions of interest, and further that we do not necessary know which coordinates are the interesting ones. Big data in our lab of biology, analytical chemistry or physical chemistry is a future that might be closer than any of us suppose. It is in this sense that new tools have to be developed in order to explore and valorize such data sets. Topological data analysis (TDA) is one of these. It was developed recently by topologists who discovered that topological concept could be useful for data analysis. The main objective of this paper is to answer the question why topology is well suited for the analysis of big data set in many areas and even more efficient than conventional data analysis methods. Raman analysis of single bacteria should be providing a good opportunity to demonstrate the potential of TDA for the exploration of various spectroscopic data sets considering different experimental conditions (with high noise level, with/without spectral preprocessing, with wavelength shift, with different spectral resolution, with missing data).

تجزیه و تحلیل داده­هایتوپولوژیکی: ابزاری نوید دهنده برای اکتشاف کلان داده ها در زیست شناسی، شیمی تجزیه و شیمی فیزیک

چکیده

از ویژگی‌های مهم علوم تجربی این است که انواع مختلفی از داده ها با سرعت بی سابقه تولید می­شوند. این عمدتاً به دلیل توسعه مفاهیم ابزاری جدید و روش‌های تجربی است. همچنین روشن است که ماهیت داده‌های به دست آمده به طور قابل توجهی متفاوت است. در واقع در هر زمینه علمی، همیشه داده­ها به صورت جداول بزرگ‌تر، که در آن همه اما تعداد کمی ستون (به عنوان مثال متغیرهای) که سوال­های جالب بی ربط هستند نتیجه مطلوب می­دهند، و لازم نیست بدانیم که مختصات یکی از علاقه­مندی­ها است. کلان داده ها در آزمایشگاه زیست شناسی، شیمی تجزیه شیمی فیزیک ما، آینده ای بوده که نزدیک تر از هر گمانی به ما باشد. این به این معنا است که ابزارهای جدید باید در جهت اکتشاف و ارزش قائل شدن به چنین مجموعه داده­هایی توسعه داده شوند. تجزیه و تحلیل توپولوژیکی داده (TDA) یکی از این­ها است. این مفهوم اخیراً توسط توپولوژیستها کشف شد و بیان شد که می‌تواند برای تجزیه و تحلیل داده مفید باشد. هدف اصلی این مقاله پاسخ به این سؤال است که چرا توپولوژی به خوبی برای تجزیه و تحلیل مجموعه داده‌های بزرگ در بسیاری از مناطق و حتی کارآمد تر از روش تجزیه و تحلیل داده‌های معمولی مناسب است. تجزیه و تحلیل رامان باکتری­های تک باید فرصت خوبی برای نشان دادن پتانسیل TDA برای اکتشاف مجموعه داده­های اسپکتروسکوپی مختلف و آنهم با در نظر گرفتن شرایط تجربی مختلف (با سطح نویز بالا، با یا بدون پردازش طیفی، با تغییر طول موج، با تفکیک پذیری­های مختلف طیفی، با از دست دادن داده ها). ارائه دهد.

دانلود مقاله انگلیسی

ترجمه 13 صفحه