GALA：単一細胞バッチアラインメントのための重み付きグラフウォークと潜在空間敵対的トレーニングの統合

科学分野:

• ゲノミクス
• バイオインフォマティクス
• 計算生物学

背景:

• 単一細胞RNAシーケンシング（scRNA-seq）は、細胞の不均一性を明らかにしますが、バッチ効果に悩まされます。
• scRNA-seqデータセット間の技術的なばらつきは、正確なデータ統合と分析を妨げます。

研究 の 目的:

• 単一細胞RNAシーケンシング（scRNA-seq）データにおけるロバストなバッチ補正のための新しいフレームワークであるGraph-based Adversarial Latent Alignment（GALA）を導入すること。
• 重要な生物学的シグナルを保持しながら、scRNA-seqデータセットをアラインメントすること。

主な方法:

• GALAは、重み付きグラフランダムウォークと潜在空間敵対的トレーニングを統合します。
• 重み付きグラフ相互最近傍（WGMNN）モジュールは、バッチ間の細胞ペアリングを強化します。
• 低次元潜在空間での敵対的トレーニングは、バッチに依存しない表現を生成します。

主要な成果:

• GALAは、5つの多様なベンチマークデータセット全体でバッチ補正において優れたパフォーマンスを示し、高いF1スコアを達成しました。
• WGMNNモジュールは、細胞ペアリングの多様性を最大125％、カバレッジを48％向上させました。
• GALAは、特に複雑なデータセットにおいて、Seurat v4、Harmony、Scanoramaなどの確立された手法を上回りました。

結論:

• GALAは、scRNA-seqデータ統合のためのロバストで計算効率の高いソリューションを提供します。
• このフレームワークは、生物学的変動を保持しながら、技術的なアーティファクトを効果的に除去します。
• GALAは、さまざまなscRNA-seq統合シナリオで一貫した優れたパフォーマンスとロバスト性を示しています。