GNODEVAE: un ODE-VAE basado en gráficos mejora el agrupamiento de datos de una sola célula | JoVE Visualize

Área de la Ciencia:

Biología computacional
La genómica
La bioinformática

Sus antecedentes:

El análisis de secuenciación de ARN de una sola célula (scRNA-seq) se ve desafiado por la alta dimensionalidad, la escasez y las relaciones celulares complejas.
Los métodos existentes a menudo no logran preservar la estructura global, modelar la dinámica celular y manejar el ruido técnico de manera efectiva.

Objetivo del estudio:

Desarrollar un nuevo marco computacional para el análisis integral de una sola célula.
Para mejorar el agrupamiento celular, la reducción de dimensionalidad y el análisis de la trayectoria del pseudotiempo en los datos scRNA-seq y scATAC-seq.

Principales métodos:

Se introdujo GNODEVAE, una nueva arquitectura que integra las redes de atención de gráficos (GAT), las ecuaciones diferenciales ordinarias neuronales (NODE) y los autocodificadores variacionales (VAE).
Se evaluó el rendimiento de GAT en 10 capas convolucionales de gráficos, lo que demuestra su superioridad.
Se comparó sistemáticamente GNODEVAE con 18 métodos existentes en 50 conjuntos de datos de una sola célula.

Principales resultados:

GNODEVAE superó sistemáticamente las principales categorías de métodos de referencia, incluidas las técnicas de reducción de dimensionalidad, las variantes VAE y los modelos basados en gráficos.
Logró ventajas significativas en la calidad de agrupación de reconstrucción (ARI) y la calidad de la geometría de agrupación (ASW) sobre el VGAE estándar y todos los métodos de referencia.
Se ha demostrado un rendimiento superior en la agrupación dinámica de genes en comparación con Diffusion map y Palantir.

Conclusiones:

GNODEVAE proporciona un marco computacional robusto que combina la conciencia de vecindad, el modelado dinámico y la expresividad probabilística para el análisis multiómico de una sola célula.
Su rendimiento superior consistente en diversos conjuntos de datos destaca su versatilidad para la minería de datos scRNA-seq y scATAC-seq.
Establece un nuevo estándar para el agrupamiento celular, la reducción de dimensionalidad y el análisis de pseudotiempo.