基于圖鏈嵌入的多組學單細胞數據集成與調控推理
盡管出現了同時測量單細胞多種組學模式的實驗方法屯耸，但大多數單細胞數據集只包括一種模式。綜合來自多種方式的組學數據的一個主要障礙是，不同的組學層通常具有不同的特征空間榕酒。在這里丈咐，我們提出了一個名為 GLUE (圖形鏈接的統(tǒng)一嵌入)的計算框架召噩，它通過顯式地建模組學層之間的監(jiān)管交互來彌補這一差距。系統(tǒng)性基準測試表明特恬，GLUE 對于異構的單單元多組學數據比最先進的工具更準確栅螟、更健壯和更可伸縮荆秦。我們將 GLUE 應用于各種具有挑戰(zhàn)性的任務，包括三組學整合力图、整合調控推理和數百萬細胞的多組學人類細胞圖譜構建步绸，GLUE 能夠糾正以前的注釋。GLUE 采用了模塊化設計吃媒，可以靈活地擴展和增強以適應新的分析任務靡努。完整的軟件包可以在 https://github.com/gao-lab/glue 網站上找到。
單細胞測序技術的最新進展使得通過多組學層次探索調控圖譜成為可能晓折，如染色質可達性(單細胞 atac-seq 測序(scATAC-seq)1,2)惑朦、 DNA 甲基化(snmC-seq3，sci-MET4)和轉錄組(scRNA-seq5,6) 漓概，為揭示不同細胞類型功能的基礎調控基礎提供了一個獨特的機會漾月。雖然最近出現了同時測定8、9胃珍、10梁肿、11，但不同的組學通常是獨立測定的觅彰，并產生不成對的數據吩蔑，這要求在多組學整合中有效和高效。
Integrative spatial analysis of cell morphologies and transcriptional states with MUSE
空間轉錄組學能夠同時測量組織中相同細胞或區(qū)域的形態(tài)特征和轉錄情況填抬。在這里烛芬，我們提出了多模態(tài)結構化嵌入(繆斯) ，一種通過整合形態(tài)學和空間分辨的轉錄數據來表征細胞和組織區(qū)域的方法飒责。我們證明赘娄，繆斯可以發(fā)現組織亞群遺漏任何形態(tài)以及補償形態(tài)特異性噪聲。我們將 MUSE 應用于包含空間轉錄組學(seqFISH + 宏蛉、 STARmap 或 Visium)和成像(蘇木精和曙紅或熒光顯微鏡)模式的不同數據集遣臼。鑒定了健康大腦皮層和腸道組織中具有生物學意義的組織亞群和刻板的空間模式。在患病組織中拾并，MUSE 揭示了與腫瘤區(qū)域接近的基因生物標志物揍堰，以及整個阿爾茨海默病腦區(qū)淀粉樣前體蛋白加工的異質性鹏浅。MUSE 使多模態(tài)數據的集成，提供了對復雜生物組織中細胞的狀態(tài)屏歹、功能和組織的深入了解隐砸。
