要約
広く使用されている深層潜在変数モデル（DLVMs）、特に変分オートエンコーダー（VAEs）は、潜在空間に対して過度に単純化された事前分布を用いています。強力なクラスタリング性能を達成するためには、標準正規分布の事前分布をガウス混合モデル（GMM）で置き換える既存の手法が、事前に期待される真のクラス数に近いクラスタ数を定義する必要があり、初期化の不良に弱いという問題があります。本研究では、VampPriorの概念（TomczakとWelling, 2018）を利用してベイジアンGMM事前分布を適合させることにより、VampPrior混合モデル（VMM）というDLVMs向けの新しい事前分布を開発しました。VAEにおいて、VMMはベンチマークデータセット上で競争力のあるクラスタリング性能を達成しています。さらに、人気のあるscRNA-seq統合手法であるscVI（Lopezら, 2018）にVMMを統合することで、その性能が大幅に向上し、細胞が類似した生物学的特性を持つクラスターに自動的に配置されるようになりました。