收集现场数据的高通量技术使得在生命科学的几个分支进行大规模观测成为可能。收集的数据范围可以从分子水平(基因型)到生理(表型特征)和环境观察(例如天气、土壤条件)。这些大量的数据被统称为表型学数据，代表了潜在生物系统动力学的关键科学知识的宝库。然而，由于这些复杂数据集的多维性和对其复杂结构的先验知识的缺乏，从这些复杂的数据集中提取信息和见解仍然是一项重大挑战。

比较Hippo-X（HX）与Pheno Mapper的特征。蓝色表示“是”（Y），粉红色表示“不”（N）。

在本文中，作者介绍了Pheno-Mapper，一个用于探索性分析和可视化大规模现象数据的交互式工具箱。作者的方法是使用mapper框架对数据进行拓扑分析，然后使用内置的数据分析和机器学习功能呈现可视化表示。作者在真实的植物(如玉米)现象数据集上演示了这一新工具的实用性。

Pheno-Mapper 的用户界面

与现有方法相比，Pheno-Mapper的主要优势在于它提供了丰富的、交互式的对物候数据进行探索性分析的能力，并且它以一种易于扩展的方式将可视化分析与数据分析和机器学习相结合。特别是，Pheno-Mapper允许在数据拓扑总结的指导下进行子种群的交互选择，并将数据挖掘和机器学习应用于这些选定的子种群进行深入探索。

来源：Pheno-Mapper: An Interactive Toolbox for the Visual Explorationof Phenomics Data.
Youjia Zhou,Methun Kamruzzaman,Patrick Schnable,Bala Krishnamoorthy,Ananth Kalyanaraman,Bei Wang
https://arxiv.org/pdf/2106.13397.pdf