单细胞马赛克集成和细胞状态转移,具有自动缩放的自我注意机制

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:

• 单细胞奥米克技术为细胞状态识别产生了有价值的数据.
• 马赛克集成,不同细胞具有不同的奥米克数据,在批量效应移除和模式对齐方面提出了挑战.
• 准确的细胞状态识别需要有效地整合多模式单细胞数据.

研究的目的:

• 开发一个可扩展的深度生成模型,用于单细胞马赛克集成.
• 为了应对批量效应去除和模式对齐在多omics数据中的挑战.
• 为了提高细胞状态识别的准确性,使用集成的单细胞奥米克数据.

主要方法:

• 开发多omics马赛克自动缩放注意力变异推理 (mmAAVI),一个深度生成模型.
• 利用自动缩放的自我注意机制,将多种omics模式映射到一个共同的嵌入空间.
• 实施半监督学习以利用现有的细胞状态注释.

主要成果:

• 与其他五种方法相比,mmAAVI在四个基准数据集中表现出优异的性能,数据集的细胞数量,omics类型和缺失数据模式各不相同.
• 该模型实现了高平衡精度 (0.82和0.97) 细胞状态知识传输与最小标记的细胞 (<1%) 跨批次与不同的奥米克.
• mmAAVI有效地将omics数据的任意组合集成到一个统一的表示中.

结论:

• mmAAVI是一个可扩展和有效的解决方案,用于单细胞马赛克集成.
• 该模型显著增强了细胞状态识别,并使不同欧米克数据集的强有力的知识传输成为可能.
• 开发的软件包为研究人员提供了一个有价值的工具,用于处理多模式单细胞数据.