sCIN: un marco de aprendizaje de contraste para la integración de datos multicelulares

Área de la Ciencia:

• Integración multiómica de una sola célula
• Biología computacional
• Genómica y transcriptómica

Sus antecedentes:

• Las tecnologías ómicas de una sola célula como scRNA-seq y scATAC-seq han avanzado en estudios de heterogeneidad celular.
• La integración de datos multiómicos es un desafío debido a las discrepancias distributivas y los espacios de características distintos.

Objetivo del estudio:

• Presentar un nuevo marco, la Integración Contrastiva de Célula Única (sCIN), para integrar diversas modalidades ómicas de célula única.
• Permitir la combinación de diferentes tipos de datos ómicos en un espacio latente compartido, superando los sesgos técnicos.

Principales métodos:

• Desarrolló sCIN, un marco que utiliza codificadores específicos de la modalidad y el aprendizaje por contraste.
• Asegurar la prevención rigurosa de las fugas de datos entre los conjuntos de formación y pruebas.
• Se evaluó en conjuntos de datos emparejados (scRNA-ATAC, 10X PBMC, CITE-seq) y no emparejados (expresión génica, accesibilidad a la cromatina).

Principales resultados:

• sCIN demostró un rendimiento superior en comparación con los modelos de última generación (scGLUE, scBridge, sciCAN, Con-AAE, Harmony, MOFA +) en las métricas de integración y agrupación múltiples.
• Se demostró una integración efectiva tanto en conjuntos de datos emparejados como no emparejados, incluidos los datos no emparejados simulados.
• El marco logró preservar el significado biológico durante la integración multimodal.

Conclusiones:

• sCIN proporciona una solución robusta para la integración de las modalidades ómicas de una sola célula.
• El marco aborda efectivamente los sesgos técnicos y preserva los conocimientos biológicos tanto en datos multiómicos emparejados como no emparejados.
• sCIN avanza en la comprensión de la heterogeneidad celular y los mecanismos regulatorios a través de la integración de datos confiables.