통계 매개변수는 다음과 같이 하향식 그리드 기반 접근 방식에서 사용할 수 있습니다. 먼저 계층 구조 내에서 쿼리 응답 절차를 시작할 계층이 결정됩니다.
이 층은 일반적으로 적은 수의 세포를 포함합니다. 현재 레이어의 모든 셀에 대해 주어진 쿼리에 대한 셀의 관련성을 반영하는 신뢰 구간(또는 예상 확률 범위)을 계산할 수 있습니다.
상위 수준 셀의 통계 매개변수는 하위 수준 셀의 매개변수에서 간단히 계산할 수 있습니다. 이러한 매개변수에는 다음이 포함됩니다. 속성 독립 매개변수 개수 및 속성 종속 매개변수 평균, stdev(표준 편차), 최소(최소), 최대(최대). 일반, 균일, 지수 또는 없음을 포함하여 셀의 속성 값이 따르는 분포 유형(분포가 익명인 경우)
관련 없는 셀은 추가 고려 대상에서 제외됩니다. 다음 하위 레벨의 처리는 나머지 관련 셀만 테스트합니다. 이 단계는 맨 아래 레이어가 획득될 때까지 반복됩니다. 쿼리 설명이 충족되면 쿼리를 사용하는 해당 셀의 영역이 복원됩니다.
STING은 다음과 같은 몇 가지 이점을 제공합니다 -
-
그리드 기반 계산은 쿼리 독립적입니다. 각 셀에 저장된 통계 데이터가 쿼리와 별도로 그리드 셀에 있는 데이터의 요약 레코드를 정의하기 때문입니다.
-
그리드 아키텍처는 병렬 처리 및 증분 새로 고침을 지원합니다.
-
기술 효율성이 주요 이점입니다. STING은 셀의 수치적 매개변수를 계산할 수 있기 때문에 데이터베이스를 거칩니다. 따라서 클러스터를 생성하는 시간 복잡도는 O(n)입니다. 여기서 n은 총 개체 수입니다.
-
계층 구조를 만든 후 쿼리 처리 시간은 O(g)이며, 여기서 g는 가장 낮은 수준의 그리드 셀의 총 수이며 일반적으로 n보다 작습니다.
-
STING은 분석을 클러스터링하기 위해 다중 해상도 방법이 필요하기 때문에 그리드 아키텍처의 가장 낮은 수준의 세분성을 기반으로 하는 STING 클러스터링의 품질입니다. 입도가 매우 미세하면 처리 가치가 크게 향상됩니다. 그러나 그리드 아키텍처의 최하위 레벨이 너무 무례하면 클러스터 분석의 품질이 떨어질 수 있습니다.
-
STING은 부모 세포의 발달을 위해 자식과 이웃 세포 간의 공간적 관계를 다루지 않습니다. 결과적으로 나오는 클러스터의 모양은 등각선입니다. 즉, 일부 클러스터 경계는 수평 또는 수직이며 대각선 경계가 발견되지 않습니다. 이는 기술의 빠른 처리 시간에도 불구하고 클러스터의 품질과 확실성을 저하시킬 수 있습니다.