通过代平滑和自我监督的歧视性嵌入集群单细胞RNA测序数据

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RNA测序 (scRNA-seq) 可以在单个细胞水平上进行基因表达分析.
• 聚类对于细胞类型识别和scRNA-seq数据中的相互作用发现至关重要.
• 对于scRNA-seq集群的强大的相似度指标仍然是由于数据复杂性和噪声而面临的挑战.

研究的目的:

• 介绍scRISE,一种用于scRNA-seq数据的新型深度聚类方法.
• 为了应对在scRNA-seq聚类中选择合适的相似度指标的挑战.
• 为了提高scRNA-seq数据集的数据表示和集群精度.

主要方法:

• scRISE采用代光滑模块,使用图形自动编码器进行数据无效化和相似性精细化.
• 一个具有适应性相似度值的自我监督区分嵌入模块被用于准确的样本分区.
• 该方法整合了细胞结构特征,并通过代平滑来丰富数据信息.

主要成果:

• 在17个scRNA-seq数据集中,scRISE展示了优越的数据表示和集群质量.
• 性能与多种最先进的深度学习集群方法进行了验证.
• 对HNSCC数据集的应用确定了62个具有潜在治疗和生物标志物作用的信息基因.

结论:

• scRISE为scRNA-seq数据分析提供了一个有效的深度集群解决方案.
• 该方法增强了从复杂的单细胞数据中识别细胞类型和生物见解.
• 鉴定的基因为HNSCC提供了新的治疗点和生物标志物.