sCIN:単細胞マルチオミックスのデータ統合のための対比的な学習フレームワーク

科学分野:

• シングル・セル・マルチオミクス・インテグレーション
• 計算生物学
• ゲノミクスとトランスクリプトミクス

背景:

• scRNA-seq と scATAC-seq のような単細胞オミクス技術は,細胞異質性の研究を進めている.
• マルチオミクスのデータを統合することは,分布上の不一致と特徴的な空間のために困難です.

研究 の 目的:

• 単細胞対照性インテグレーション (sCIN) という新しい枠組みを提示し,多様な単細胞オミクスを統合する.
• 技術的なバイアスを克服し,異なるオミックスのデータタイプを共有された隠れた空間に組み合わせることを可能にします.

主な方法:

• モダリティ特有のエンコーダーとコントラスティブ・ラーニングを利用するフレームワークであるsCINを開発した.
• 訓練とテストのセット間のデータリークを厳格に防止します.
• ペアリングされた (scRNA-ATAC,10X PBMC,CITE-seq) とペアリングされていない (遺伝子発現,クロマチンのアクセシビリティ) データセットで評価された.

主要な成果:

• sCINは,複数の統合とクラスタリングのメトリックに関して,最先端のモデル (scGLUE,scBridge,sciCAN,Con-AAE,Harmony,MOFA+) に比べて優れたパフォーマンスを示しました.
• シミュレートされたペアリングされていないデータを含むペアリングされたデータセットとペアリングされていないデータセットの両方で効果的な統合が示されました.
• このフレームワークは,マルチモダルの統合中に,生物学的意味を成功裏に保ちました.

結論:

• sCINは,単細胞のオミクス方式を統合するための堅牢なソリューションを提供します.
• フレームワークは技術的なバイアスを効果的に対処し,ペアリングされたデータとペアリングされていないデータの両方で生物学的洞察を保存します.
• sCINは,信頼性の高いデータ統合を通じて,細胞の異質性と規制メカニズムの理解を進めています.