Scproca:一个交叉注意力增强的深度生成模型,用于单细胞转录组学和蛋白质组学集成和归算

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 蛋白质组学是指蛋白质组学.

背景情况:

• 了解复杂疾病需要分析细胞相互作用和蛋白质表达.
• 大规模测序有助于疾病亚型,但整合多omics数据提供了更深入的细胞洞察力.
• 当前的模型通常使用简单的方法来进行联合转录组学和蛋白质组学分析.

研究的目的:

• 引入scProca,这是一个深度生成模型,用于先进集成单细胞RNA测序 (scRNA-seq) 和共同分析数据.
• 解决目前处理异质生物数据和细胞间关系的模型的局限性.

主要方法:

• 开发了scProca,一种使用交叉注意力机制的深度生成模型.
• 集成的细胞间关系来处理来自RNA-seq和共同分析数据集的异质输入.
• 对集成,归算,强度与稀疏性,跨物种概括,可扩展性和批次兼容性进行评估的模型性能.

主要成果:

• scProca在数据集成和归算方面实现了最先进的性能.
• 该模型即使在蛋白质稀少度高的情况下也表现出强度.
• scProca可以在不同的物种和组织中进行概括,并有效地扩展到大型数据集.

结论:

• scProca提供了一种灵活而强大的方法,用于在复杂的生物系统中集成多omics数据.
• 该模型处理异质输入和细胞间关系的能力推动了单细胞分析.
• scProca非常适合复杂的实验环境,包括具有批量效应的环境.