scII:通过计算驱动的单细胞多态数据的双门自适应集成

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:

• 单细胞多组技术为细胞异质性提供了深入的见解,但面临着数据稀疏性和模式差异等挑战.
• 现有的集成方法在与非线性关系,数据质量和计算需求作斗争,限制了它们的可扩展性和准确性.

研究的目的:

• 为介绍scII,一个适应性框架,用于整合单细胞RNA测序 (scRNA-seq) 和单细胞测定转化酶可访问的染色体测序 (scATAC-seq) 数据.
• 解决当前多组合集成的局限性,专注于增强数据完整性,建模非线性关系和改进细胞选择.

主要方法:

• scII使用scRNA-seq引导的归算来提高scATAC-seq数据的质量.
• 使用具有Maxout激活的多层感知子用于非线性关系建模,以及用于自适应细胞选择的双值机制.
• 结合贝叶斯信息标准 (BIC) 来自动确定高斯混合模型组件,消除了手动参数设置的需要.

主要成果:

• scII有效地集成未配对的scRNA-seq和scATAC-seq数据.
• 在模式之间展示了细胞类型注释的准确转移.
• 为scATAC-seq数据实现高精度的细胞类型预测,在各种数据集上进行验证.

结论:

• scII提供了一个有效的解决方案,用于整合单细胞多组数据,特别是scRNA-seq和scATAC-seq.
• 该框架克服了数据整合的关键挑战,从而提高了准确性和可解释性.
• 能够进行强大的细胞类型预测,推进细胞异质性的分析.