使用特定标记基因的自我训练可解释的细胞类型注释框架

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) 能够进行高分辨率的生物过程研究.
• 准确的细胞类型注释对于scRNA-seq分析至关重要,通常依赖标记基因.
• 现有的方法往往将聚类和分配分开,限制了标记信息指导,无法捕捉复杂的细胞依赖性.

研究的目的:

• 为scRNA-seq数据开发一种基于标记物的新型细胞类型注释方法.
• 提高细胞类型识别的准确性和可解释性.
• 为了解决现有的两阶段注释方法的局限性.

主要方法:

• 引入基于自我训练的可解释细胞类型注释 (sICTA),一种基于标记物的方法.
• 用伪标签和变压器网络进行集成的自我训练,以捕获非线性关联.
• 通过透明度的注意力机制,纳入了先前的生物知识 (基因,途径).

主要成果:

• 与最先进的方法相比,sICTA在11个公开的scRNA-seq数据集中表现出优越的性能.
• 废除研究证实了自我训练和依赖性捕获对模型性能的协同效益.
• 该方法在各种细胞类型和数据集中实现了强大的预测准确性,具有可解释的注意力矩阵.

结论:

• 在scRNA-seq数据中,sICTA为细胞类型注释提供了一种强大且可解释的方法.
• 自主训练和非线性建模的结合显著提高了注释准确性.
• 该方法为细胞类型识别和生物关系提供了宝贵的见解.