scBCN:基于深度学习的批次校正网络,用于整合异构的单细胞数据
Lei Wan1,2, Yang Zhou1,2, Xingzhi Wang1
1School of Mathematics, Harbin Institute of Technology, No. 92 West Dazhi Street, Harbin, Heilongjiang 150001, China.
Briefings in bioinformatics
|September 24, 2025
概括
一种新的方法,单细胞批次校正网络 (scBCN),有效地纠正单细胞数据中的批次效应,同时保持生物变异. 这一进步改善了细胞类型识别和生物医学研究的数据整合.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 单细胞数据分析在纠正批量效应和准确识别细胞类型方面面临挑战.
- 现有的方法难以区分技术噪音和异质数据集中的真实生物变异.
研究的目的:
- 引入单细胞批量校正网络 (scBCN),这是一个用于强大的批量效应校正的新框架.
- 在数据集成过程中保持生物变异性,以改善细胞类型识别.
主要方法:
- scBCN集成了批次间类似集群识别与深度残留神经网络.
- 在模拟和现实世界单细胞数据集上进行了基准实验.
主要成果:
- 与现有方法相比,scBCN在批量校正和生物变异保护方面表现出卓越的表现.
- 该框架成功地整合了跨物种和跨经济学数据.
结论:
- scBCN为精确的细胞类型识别和分析复杂的单细胞数据集提供了强大的解决方案.
- 该方法具有通过增强数据集成和发现来推进生物医学研究的巨大潜力.
