BIS2 Seminar - Étienne Becht, Centre de recherche sur l’inflammation (Paris)
Demystifying UMAP for Single-Cell Analysis
Uniform Manifold Approximation and Projection (UMAP) is a highly popular non-linear dimensionality reduction (NLDR) method. In biological research, it has been used in many fields such as genomics, microbiome profiling and mass spectrometry, but its most common use is single-cell analyses such as single-cell RNA-sequencing (scRNA-seq) data or flow cytometry. The popularity of UMAP, coupled with the qualitative and thus inherently difficult-to-interpret nature of its results, has led to a number of controversies about the usefulness, originality and mathematical grounding of the approach.
To help the audience formulate an informed opinion on these topics, we will situate UMAP within the recent history of NLDR methods, how it relates to other approaches such as t-SNE or ForceAtlas, differs from other NLDR method classes such as Diffusion Maps, its connection to commonly used clustering methods, and how to interpret UMAP embeddings in the context of scRNA-seq analyses.
We aim to provide practical and accessible tips to efficiently use NLDR methods in their research and avoid overinterpretation. To do so, we will review the design principles behind these methods, their computational efficiency and some of the critical parameters affecting their outputs.
Finally, we will illustrate how we apply these methods to massively parallel flow cytometry experiments to study the immune and stromal microenvironment of human tumors.
Étienne Becht, Centre de Recherche sur l'Inflammation (Paris)
A researcher at the Centre de Recherche sur l’Inflammation and a member of the Sinkus team, he focuses on the scientific theme "Oncogenic Inflammation & Tumor Development." As a researcher at Beaujon Hospital (AP-HP), he specializes in chronic liver diseases and tumor phytopathology and the heterogeneity of primary liver tumors.
Research areas
- ➠ Bioinformatic methods for immnuno-oncology (for instance transcriptomic deconvolution with MCP-counter, BCR analysis on spatial transcriptomics...)
- ➠ Analysis of the microenvironment in primary human liver and liver tumor (hepatocellular carcinoma) samples
- ➠ Development of parallel flow cytometry analysis tools (Infinity Flow method) for deep characterization of immune microenvironments
Download the poster
Biology, Health
Séminaire BIS2 - Étienne Becht, Centre de recherche sur l’inflammation (Paris)
Démystifier l'UMAP pour l'analyse Single-Cell
L'Uniform Manifold Approximation and Projection (UMAP) est une méthode de réduction de dimensionnalité non linéaire (NLDR) largement utilisée. En recherche biologique, elle a trouvé des applications dans divers domaines, tels que la génomique, le profilage du microbiote et la spectrométrie de masse, mais son utilisation la plus courante concerne les analyses monocellulaires, comme les données de séquençage de l'ARN de cellules individuelles (scRNA-seq) ou la cytométrie en flux. La popularité de l'UMAP, couplée à la nature qualitative et donc intrinsèquement difficile à interpréter de ses résultats, a suscité plusieurs controverses concernant son utilité, son originalité et ses fondements mathématiques.
Afin d'aider le public à se forger une opinion éclairée sur ces sujets, nous situerons l'UMAP dans l'histoire récente des méthodes NLDR, en expliquant ses liens avec d'autres approches comme le t-SNE ou ForceAtlas, ses différences avec d'autres classes de méthodes NLDR telles que les Diffusion Maps, ainsi que ses connexions avec les méthodes de clustering couramment utilisées. Nous aborderons également l'interprétation des plongements UMAP dans le contexte des analyses scRNA-seq.
Notre objectif est de fournir des conseils pratiques et accessibles pour utiliser efficacement les méthodes NLDR dans la recherche, tout en évitant les surinterprétations. Pour ce faire, nous passerons en revue les principes de conception sous-jacents à ces méthodes, leur efficacité computationnelle et certains des paramètres critiques influençant leurs résultats.
Enfin, nous illustrerons l'application de ces méthodes à des expériences de cytométrie en flux massivement parallèles pour étudier le microenvironnement immunitaire et stromal des tumeurs humaines.
Étienne Becht
Centre de Recherche sur l'Inflammation (Paris)
Chercheur au Centre de recherche sur l’inflammation et membre de l’équipe Sinkus, il travaille sur l’axe scientifique « Inflammation oncogénique & développement tumoral ». En tant que chercheur à l'hôpital Beaujon (AP-HP), il se spécialise dans les maladies hépatiques chroniques, la phytopathologie tumorale et l'hétérogénéité des tumeurs primaires du foie.
Thématiques de recherche
- ➠ Méthodes bioinformatiques pour l'immuno-oncologie (par exemple déconvolution par MCP-counter, analyse du répertoire B en transcriptomique spatiale...)
- ➠ Analyse du microenvironnement hépatique et des tumeurs primitives hépatiques (carcinome hépatocellulaire).
- ➠ Projets sur la cytométrie en flux parallélisée et l’analyse de données unicellulaires (ex. : méthode Infinity Flow) pour cartographier le microenvironnement tumoral
Biologie, Santé
