scTopoGAN:单细胞数据的无监督的多元组对齐
Akash Singh1, Kirti Biharie1,2,3, Marcel J T Reinders1,2,3
1Delft Bioinformatics Lab, Delft University of Technology, 2628 XE Delft, The Netherlands.
Bioinformatics advances
|December 11, 2023
概括
scTopoGAN允许单细胞多原子数据集的无监督对齐,没有重叠的细胞或特征. 该方法使用拓自编码器和生成对抗网络来实现强大的数据集成和增强的多omic解释.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞技术提供了深度分子表征.
- 整合多原子数据提供了一个全面的细胞视图.
- 当前的集成方法需要重叠的单元或特征,限制应用.
研究的目的:
- 开发一种方法,使单细胞数据集与非重叠的细胞或特征无监督的多重对齐.
- 为了使多样化的单细胞分子层在没有共享数据点的情况下能够集成.
主要方法:
- scTopoGAN使用拓自编码器 (topoAE) 进行模式特定的隐藏表示.
- 一个以拓为导向的生成对立网络将这些潜在空间对齐成一个共同的多元组.
- 该方法在完全无监督的环境中运行.
主要成果:
- 在无监督环境中,scTopoGAN的性能优于现有的最先进的分流管对齐方法.
- 与其他方法相比,个别的 topoAEs 在低维表示中显示出数据结构的优越保存.
- 这种对齐成功地将单细胞数据集与非重叠特征集成.
结论:
- 拓保护是一个强大的概念,用于对齐多个单模单细胞数据集.
- scTopoGAN释放了对细胞身份的更深层次的多原子解释的潜力.
- 开发的方法扩大了单细胞数据集成的适用性.


