LONMF:基于图形拉普拉斯和最佳传输的非负矩阵分解模型,用于对联单细胞多omics数据集成的最佳传输
Mengdi Nan1, Qing Ren1, Yuhan Fu1
1School of Science, Jiangnan University, Wuxi, 214122, China.
BMC bioinformatics
|December 24, 2025
概括
我们开发了LONMF,这是一种用于整合单细胞多omics数据的新算法. 这种方法增强了细胞聚类和生物解释性,为细胞异质性提供了更深入的见解.
科学领域:
- 单细胞多组体的单细胞多组体.
- 计算生物学是一种计算生物学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞测序技术产生复杂,杂的数据.
- 整合多omics数据对于理解细胞异质性至关重要.
- 现有的方法在数据集成和可解释性方面面临挑战.
研究的目的:
- 开发一种有效的方法来整合单细胞多omics数据.
- 为了改善细胞聚类和生物解释性.
- 揭示细胞表型的新生物学视角.
主要方法:
- 提出LONMF,一个非负矩阵因子算法.
- 组合图形拉普拉斯和最佳传输用于增强分析.
- 将LONMF应用于各种单细胞多组数据集 (10X多组,CITE-seq,TEA多组).
主要成果:
- 在可视化和聚类多对单细胞多omics数据方面,LONMF表现出强大的性能.
- 促进了标记物表征和基因本体学丰富分析.
- 在细胞聚类中实现了与最先进的方法可比的性能.
结论:
- 与现有方法相比,LONMF提供了更高的生物解释性.
- 为下游单细胞多组体分析提供了有价值的生物学见解.
- 通过综合数据分析,增强对细胞异质性的理解.
