高维度单细胞技术，比如：流式多色、质谱流式、图像流式，都能在单细胞水平检测大量的参数。FCS Express整合出了t-Distributed Stochastic Neighbor Embedding，又被称作t-SNEt-SNE能够让客户将高维度的流式数据作成二维点图，同时保存原始的高维度形式，以便客户帮客户实现高维度数据的可视化，并进行分析。

 

viSNE使用Barnes-Hut算法实现t-SNE的算法。viSNE由EI-ad David Amir和他的同事在2013年开发，并且它是建立在2008年由Laurens van der Maaten和Geoffrey研发的t-SNE算法基础之上的。

 

简而言之，viSNE的算法经过优化之后能够将高维度的数据以最好的低维度(比如：二维和三维)呈现出来。因此，客户有保存数据的最优高维和低维空间。

 

算法的最终结果展示在FCS Express中是一个二维的点图，在该二维点图中细胞的位置反应的近乎于它们在原始高维度空间中的位置。点图还能够用密度图或热图来展示以便更容易实现细胞群的可视化。

 

虽然t-SNE已经是较为普及的一种算法了，在2014年Laurens van der Maaten 开发了一款更快的tSNE算法，它采用了Barnes-Hut算法。Barnes-Hut算法的结果与tSNE相似，但实际上它比tSNE要快。在FCS Express中，客户能够同时采用实际的tSNE算法和Barnes-Hut近似算法。De Novo软件开发团队一直致力于实现实际的tSNE算法和Barnes-Hut近似算法同时兼并后速度的提升。您能在下一个性能测试章节中找到。.

 

下面的参考文献中有更多关于viSNE/tSNE的信息：

 

要在FCS Express中执行viSNE请参见如下几点：