将scRNA-seq和scATAC-seq与类型间注意力异质图形神经网络集成
Lingsheng Cai1, Xiuli Ma1, Jianzhu Ma2,3
1State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University, 100871 Beijing, China.
Briefings in bioinformatics
|January 12, 2025
概括
scMI通过学习跨模式关系来整合单细胞RNA-seq和ATAC-seq数据,改善细胞聚类和基因调控网络推断,而不依赖于基因数据库.
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:
- 单细胞多组学,测量RNA基因表达和ATAC,解读细胞复杂性.
- 目前的方法使用模式数据库进行跨模式链接,由于不完全覆盖新型关系而受到限制.
研究的目的:
- 介绍单细胞多omics集成 (scMI),一种新的异质图嵌入方法.
- 开发一种方法,直接从数据中学习跨模式关系,克服数据库的限制.
主要方法:
- scMI将单细胞RNA-seq和ATAC-seq的细胞和模式特征编码为共享的潜空间.
- 使用异质图嵌入方法与类型间注意力机制来捕捉基因峰值相互作用.
主要成果:
- scMI嵌入式保存更多的生物信息,并在下游任务中优于依赖数据库的方法.
- 在模式预测,细胞聚类和基因调控网络推断方面取得了可比或优异的表现.
结论:
- scMI有效地整合了无与伦比的多omics数据,从而实现了更准确的嵌入.
- 这种方法促进了单细胞多组数据的分析,特别是在新生物发现方面.


