ACE:为单细胞马赛克集成提供多功能对比学习框架

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:

• 单细胞多组数据集成对于理解细胞异质性至关重要.
• 马赛克集成带来了挑战,原因是数据集中的模式丰度差异.

研究的目的:

• 介绍Align and CompletE (ACE),这是一个新的框架,用于单细胞多omics数据的马赛克集成.
• 为了应对综合数据集中的模式丰度差异的挑战.

主要方法:

• ACE采用两种策略:模式对齐 (ACE-align) 和回归 (ACE-spec).
• ACE-align使用对比式学习来实现显式模式对齐和共享隐藏表示.
• ACE-spec结合了对齐和模式特定的表示,以获得完整的多omics数据.

主要成果:

• 在各种马赛克集成场景中,ACE在现有方法中表现出优越的性能.
• ACE-spec有效地增强了数据集中细胞异质性的表现,其中数据集的模式不完整.
• 实验验证实了ACE在双模和三模集成中的有效性.

结论:

• ACE提供了一个强大的框架,用于单细胞多omics数据的马赛克集成.
• 该ACE框架,特别是ACE-spec,改善了从不完整的多omics数据集的细胞异质性的理解.