scMEDAL用于单细胞转录组学数据的可解释分析,并使用深度混合效应自编码器进行批量效应可视化

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 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) 提供了关于细胞异质性的见解.
• 技术和生物批量效应混scRNA-seq数据分析.
• 现有的方法往往会抛弃批量效应,而不是建模它们.

研究的目的:

• 引入scMEDAL (单细胞混合效应深度自编码器学习),这是一个用于scRNA-seq数据中批量效应建模的新框架.
• 为了单独建模批量不变效应和批量特定效应.
• 为了提高scRNA-seq数据分析的准确性和可解释性.

主要方法:

• scMEDAL使用两个互补的自编码器网络:一个用于通过对抗性学习进行批量不变表示,另一个用于批量特定表示的贝叶斯自编码器.
• 该框架使用固定和随机效应的自动编码器进行回顾性分析.
• 基因组图预测可以预测不同批次的细胞表达.

主要成果:

• scMEDAL有效地抑制批量效应,同时模拟各种疾病 (自闭症,白血病,心血管疾病) 的批量特定变异.
• 该框架提高了数据的准确性和可解释性.
• 追溯分析揭示了生物和技术影响对细胞表达的影响.

结论:

• scMEDAL为深入了解数据采集和细胞异质性提供了一个有价值的框架.
• 结合分批不可知和分批特定的潜空间,可以更准确地预测疾病状态,供体组和细胞类型.
• scMEDAL通过建模,而不是抛弃批量效应来推进scRNA-seq数据分析.