参考文献：
Feature-preserving manifold approximation and projection to analyze single-cell data
使用手册：
FeatureMAP: Feature-preserving Manifold Approximation and Projection — FeatureMap 0.1 documentation
FeatureMAP 提出了一种新的方法，通过对切空间嵌入增强流形学习，确保关键细胞数据特征的保留。介绍了两种可视化图：表达式嵌入（GEX）和变异嵌入（GVA）。使用基于分岔模型的（BEELINE）合成数据集来证明其有效性。与UMAP相比，FeatureMAP-GEX更好地保留了细胞密度，而FeatureMAP-GVA清晰地描绘了细胞的发育路径。
image.png
简单使用
安装：
pip install featuremap
# 依赖包： numpy, scipy, matplotlib, umap-learn, scikit-learn
数据可视化：
数据矩阵，行表示细胞，列表示基因
import featuremap
v_emb = featuremap.FeatureMAP(output_variation=True).fit_transform(data_pca)
x_emb = featuremap.FeatureMAP(output_variation=False).fit_transform(data_pca)
参数：
output_variation: 布尔值 (默认是 False)。决定生成表达式嵌入还是变体嵌入。
输出：
x_emb: 表达式嵌入来显示聚类
v_emb: 变异嵌入来显示轨迹
