利亚姆应对复杂的多式联运单细胞数据集成挑战

科学领域:

• 单细胞生物学 单细胞生物学
• 计算生物学是一种计算生物学.
• 基因组学就是基因组学.

背景情况:

• 单细胞的多组特征提供了对基因调节动态的见解.
• 整合多式联网单细胞数据,特别是来自技术差异多样的不同来源的数据,仍然是一个挑战.

研究的目的:

• 介绍 liam,一个灵活的模型,用于整合配对单细胞多式联络数据.
• 为了实现横向和垂直集成,以及与单模数据的马赛克集成.
• 学习一个联合的低维表示,对具有不同信息内容或质量的数据有益.

主要方法:

• 开发了 liam,这是对配对单细胞多式联络数据的同时水平和垂直集成的模型.
• 实现了与单模数据配对的马赛克集成.
• 利用条件和对抗训练的组合来解释复杂的批量效应,并通过复制信息进行优化.

主要成果:

• 在对联的多式联络数据类型上,如Multiome和CITE-seq.上,Liam表现出优异的性能.
• 展示了 liam 在马赛克集成场景中的有效性.
• 突出了模型在纠正技术噪音的同时保留选择的生物变异的能力.

结论:

• liam提供了一种灵活有效的解决方案,用于整合多种单细胞多式联络数据集.
• 该模型的联合表示学习和批量效应校正推进了对基因调节状态的分析.
• 基准测试揭示了单细胞数据整合评估的剩余挑战和机遇.