scMHNN:一种新的超图神经网络,用于单细胞表观基因组,转录基因组和蛋白质基因组数据的整合分析

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 蛋白质组学是指蛋白质组学

背景情况:

• 单细胞多组技术可以同时对表观基因组,转录基因组和蛋白质基因组数据进行分析.
• 现有的计算工具主要支持双模数据集成,需要新的三模数据方法.

研究的目的:

• 开发一种新的计算工具,scMHNN,用于整合单细胞三模态omics数据.
• 解决当前处理多omics数据集中的复杂关联的方法的局限性.

主要方法:

• scMHNN利用超图神经网络在不同的奥米克模式之间建模复杂的关联.
• 它使用在多omics超图上传递消息的过程来捕获高阶数据关系.
• 以自我监督的方式进行双对比损失,用于学习歧视性细胞表征.

主要成果:

• scMHNN在细胞聚类和细胞类型注释方面表现出优异的性能,与现有的真实和模拟数据集方法相比.
• 预训练和微调模式提高了用有限的标记数据来提高单元类型注释的准确性.
• 该工具有助于下游分析,包括细胞标志物检测和丰富分析.

结论:

• scMHNN提供了一个有效的框架,用于整合单细胞三模组的数据.
• 该方法提供了关于细胞表型和异质性的统一观点.
• 它推进了单细胞数据分析和解释领域.