基于双路径图的注意力自动编码器的单细胞和空间解析数据的多omics集成
Tongxuan Lv1,2, Yong Zhang1, Junlin Liu1
1BGI Research, No. 9, Yunhua Road, Yantian District, Shenzhen 518083, China.
Briefings in bioinformatics
|September 18, 2024
概括
我们开发了SSGATE,这是一种用于整合单细胞和空间多组数据的新方法. 这种方法通过分析基因表达和空间信息一起增强对生物系统的理解.
科学领域:
- 计算生物学是一种计算生物学.
- 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:
- 单细胞多组组合集成提供了高分辨率的生物见解.
- 空间多组合集成揭示了细胞异质性和空间关系.
- 目前的方法往往缺乏空间意识,或者需要改进以进行综合分析.
研究的目的:
- 开发一种强大的多omics集成方法,适用于单细胞和空间解析数据.
- 通过结合空间信息来解决现有方法的局限性.
- 促进对复杂生物系统的更全面的理解.
主要方法:
- 提出了一种双路径图表注意力自动编码器 (SSGATE) 用于多omics集成.
- SSGATE使用单细胞表达式配置文件或空间坐标构建邻近图.
- 采用通过图表注意力自动编码器进行自我监督的学习,用于数据集成.
主要成果:
- SSGATE成功地整合了来自各种组织的转录组学和蛋白质组学数据.
- 该方法适用于单细胞和空间解析数据集.
- 与现有方法相比,证明了卓越的性能和稳定性.
结论:
- SSGATE为多omics数据集成提供了一种多功能解决方案,可以适应单细胞和空间环境.
- 该方法通过有效利用组合的分子和空间信息来增强下游分析.
- 这一进步支持了更准确,更全面的生物系统研究.
