scSPAF:细胞相似性净化自适应融合网络用于单细胞多组组聚类

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 单细胞多omics测序产生大数据集,使先进的集群分析.
• 现有的聚类方法往往忽略了关键的细胞对细胞相互作用和相关性,导致偏见的结果.

研究的目的:

• 提出scSPAF,一个用于单细胞多omics集群的新型网络.
• 通过结合细胞邻居信息和自适应数据融合来解决当前算法的局限性.

主要方法:

• 开发了一个细胞相似性净化模块,将邻里信息集成到细胞特征中.
• 在不同的omics中对齐属性特征以提取一致的表示.
• 采用了自适应融合机制来整合omics特定和跨omics表示.

主要成果:

• scSPAF在六个现实数据集上展示了卓越的性能.
• 该方法通过考虑细胞相关性,有效地净化了潜在的表示.
• 适应融合增强了omics表示的歧视力.

结论:

• scSPAF为单细胞多组聚类提供了一种优越的方法.
• 净化和自适应融合策略有效地提高了集群精度.
• 这种方法为分析复杂的单细胞多组数据提供了更强大的框架.