scUCAF:単細胞マルチオミックスのデータクラスタリングのための不確実性認識のクロスオミックスのアライメントおよび融合ネットワーク

科学分野:

• コンピュータ生物学
• ゲノミクス
• バイオ情報学

背景:

• シングル・セル・マルチ・オミクス・シーケンシングは 細胞の異質性を明らかにする.
• 細胞クラスタリングはマルチオミックスのデータ分析に不可欠です.
• 既存のメソッドは,オミックスの間でデータ品質が変化し,機能表現に影響を及ぼします.

研究 の 目的:

• scUCAFを提案する. 不確実性を認識するネットワークで,強力なマルチエコノミクスクラスタリングを行う.
• シングル・セル・マルチ・オミックスのデータにおけるノイズとデータ品質の変動に対処する.
• ダウンストリーム分析の改善のための信頼性の高いセル表現を生成する.

主な方法:

• ノイズ・ロバストな特性を抽出するために,負の二項分布を持つ変数オートエンコーダーを使用した.
• 高信頼性クラスター主導の対照的な学習を導入し,クロスオミックスの一貫性を確保しました.
• ダイナミックでバイアスを軽減したオミックスの統合のための不確実性認識の融合とゲーティングネットワークを開発しました.

主要な成果:

• scUCAFは,既存の方法と比較して8つの単細胞マルチオミックデータセットで優れたパフォーマンスを示しました.
• この方法は,低品質のデータからのバイアスを効果的に軽減します.
• クラスタリングの結果は,下流の細胞タイプアノテーションとバイオマーカーの識別によって検証されました.

結論:

• scUCAFは,マルチオミクスのクラスタリングのための信頼性の高いセル表現を提供します.
• 不確実性を意識したアプローチは,データ品質の変動に対して堅実性を高めます.
• この方法は肝臓がんのような複雑な生物系における 細胞型アノテーションとバイオマーカーの発見を 促進します