伯马德:使用双通道框架的多层适应自编码器去除单细胞RNA-seq数据的批量效应.
Xiangxin Zhan1, Yanbin Yin2, Han Zhang1
1Department of Intelligence Engineering, College of Artificial Intelligence, Nankai University, Tianjin 300350, China.
Bioinformatics (Oxford, England)
|March 5, 2024
概括
在单细胞RNA测序 (scRNA-seq) 中消除批量效应是具有挑战性的. 一种新的自动编码方法BERMAD通过解决不足和过度纠正,有效地集成数据集,从而保持生物异质性.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 单细胞RNA测序 (scRNA-seq) 产生了对生物发现至关重要的高维数据.
- 来自不同实验平台的批量效应使数据集成和分析变得复杂.
- 现有的批量效应去除方法经常在不足或过度纠正方面扎,特别是在非线性scRNA-seq数据中.
研究的目的:
- 开发一种可靠的方法,用于在scRNA-seq数据集成中精确地消除批量效应.
- 解决现有方法的局限性,特别是过度纠正和不足纠正.
- 加强来自不同实验来源的scRNA-seq数据集的联合分析.
主要方法:
- 提出了一种具有双通道框架的新型多层适应自编码器,命名为BERMAD.
- 采用多层适应架构来模拟跨特征细分度的批量分布差异.
- 使用双通道框架与独立训练的自动编码器来保存批量特定的异质信息.
主要成果:
- 与最先进的方法相比,BERMAD在scRNA-seq数据集成方面表现出卓越的性能.
- 该方法有效地减轻了批量消除效应中的不足纠正和过度纠正问题.
- 实验证实了BERMAD能够准确地纠正批量效应,同时保持生物信号异质性的能力.
结论:
- 伯马德提供了一种有效的解决方案,用于整合和联合分析来自多个来源的scRNA-seq数据.
- 拟议的框架通过考虑特征细粒度和保持生物变异来实现更准确的批次校正.
- 该方法推进了scRNA-seq数据集成领域,使得下游分析更可靠.
