SwarmMAP:単細胞配列データにおける分散型細胞型アノテーションのためのスワーム学習

科学分野:

• コンピュータ生物学 コンピュータ生物学
• ゲノミクスゲノミクスとは
• バイオインフォマティックス

背景:

• 単細胞のトランスクリプトミックプロファイリングは,組織異質性を理解するために不可欠な大規模なデータセットを生成します.
• 手動のセル型アノテーションはボトルネックであり,劣った再現性とスケーラビリティに苦しんでいます.
• データプライバシーの懸念は,ヒト単細胞データセットの共同分析を妨げています.

研究 の 目的:

• セル型アノテーションのための標準化され,自動化され,プライバシーを保護する方法を開発する.
• スワーム・ラーニングを活用して,細胞型分類モデルの分散型トレーニングを行う.
• 複数の組織タイプにおけるSwarmMAPの性能とスケーラビリティを評価する.

主な方法:

• SwarmMAPを開発し,分散型機械学習のためにSwarm Learningを適用するフレームワークを開発しました.
• 訓練された細胞型分類モデル,参加センター間の原始データ交換なし.
• 心臓,肺,乳房の単細胞RNAシーケンシングデータセットに関する検証されたSwarmMAP.

主要な成果:

• SwarmMAPは,0.93 (心臓),0.98 (肺),0.88 (乳房) の高いF1スコアを達成しました.
• スワーム・ラーニング・モデルは,中央集権的なトレーニングと比較して平均0.907のパフォーマンスを示しました.
• データセットの数が増えたことで,予測の精度が向上し,細胞型分類能力が拡大しました.

結論:

• Swarm Learningは,単細胞ゲノミクスにおける細胞型アノテーションのための効果的な自動化されたソリューションを提供しています.
• SwarmMAPは,スケーラビリティとプライバシーの課題に対処し,より広範なデータ統合を促進します.
• SwarmMAPのフレームワークは,研究機関全体で再現可能でスケーラブルな細胞型分類を促進します.