單細(xì)胞多組學(xué)（ scMulti -omics）技術(shù)能夠在同一細(xì)胞水平同時(shí)測(cè)量多種分子層面的信息 ，徹底改變了我們對(duì)細(xì)胞 狀態(tài)、 功能 及其 相互作用的理解。然而，由于不同組學(xué)層面在 數(shù)據(jù) 規(guī)模、分辨率和生物學(xué)變異性 上存在顯著 的差異， 使得跨 組學(xué) 整合面臨挑戰(zhàn) 。 傳統(tǒng)計(jì)算方法往往難以在有效消除批次效應(yīng)的同時(shí)保留關(guān)鍵的生物學(xué)異質(zhì)性，進(jìn)而可能削弱對(duì)重要分子關(guān)聯(lián)與調(diào)控機(jī)制的解析能力。因此，如何實(shí)現(xiàn)兼顧跨技術(shù)可比性與生物學(xué)可解釋性的多組學(xué)整合，仍是單細(xì)胞數(shù)據(jù)分析中的核心問(wèn)題之一。

近日， 吉林大學(xué)人工智能學(xué)院李向濤教授 課題組在Genome Medicine雜志在線(xiàn)發(fā)表了題為Aligned cross-modal integration and regulatory heterogeneity characterization of single-cellmultiomicdata with deep contrastive learning的研究工作。該研究提出了一種基于對(duì)比學(xué)習(xí)的單細(xì)胞多組學(xué)整合框架scMDCF，該方法能夠在保留細(xì)胞內(nèi)生物異質(zhì)性的前提下，對(duì)齊不同組學(xué)的表征空間，實(shí)現(xiàn)跨組學(xué)一致的低維表示學(xué)習(xí)。具體而言，scMDCF由跨模態(tài)對(duì)比學(xué)習(xí)模塊與跨模態(tài)特征融合模塊構(gòu)成：前者用于協(xié)調(diào)不同類(lèi)別組學(xué)數(shù)據(jù)的表示，后者進(jìn)一步提取可用于下游分析的通用潛在表示，以更好地平衡多組學(xué)數(shù)據(jù)的異質(zhì)性特征（圖1）。

在多類(lèi)單細(xì)胞多組學(xué)數(shù)據(jù)集的基準(zhǔn)評(píng)估中， scMDCF 在聚類(lèi)性能與去批次效果方面表現(xiàn)出較強(qiáng)的競(jìng)爭(zhēng)力，并能夠識(shí)別部分在其他方法中較難區(qū)分的細(xì)胞亞群。該方法在保 持同一細(xì)胞類(lèi)型內(nèi)部結(jié)構(gòu)一致性的同時(shí)，提高了對(duì)細(xì)胞亞型差異的分辨能力，并在不同組織來(lái)源與實(shí)驗(yàn)條件差異帶來(lái)的批次偏移下維持了較好的表征穩(wěn)定性。除性能評(píng)估外，研究還展示了 scMDCF 在生物學(xué)發(fā)現(xiàn)方面的潛在價(jià)值。例如，在接種 BNT162b2 mRNA疫苗個(gè)體的CITE-seq數(shù)據(jù)分析中， scMDCF 識(shí)別到疫苗誘導(dǎo)的特定B細(xì)胞亞群，并據(jù)此探討了相關(guān)免疫反應(yīng)過(guò)程中的動(dòng)態(tài)變化與可能的調(diào)控關(guān)聯(lián)。在阿爾茨海默病相關(guān)數(shù)據(jù)中， scMDCF 能夠從計(jì)算上占比較低的細(xì)胞群中識(shí)別小膠質(zhì)細(xì)胞與內(nèi)皮細(xì)胞亞群，并提出 ELF1 作為小膠質(zhì)細(xì)胞中潛在的轉(zhuǎn)錄因子候選標(biāo)志物。進(jìn)一步結(jié)合驗(yàn)證分析 發(fā)現(xiàn) ELF1可能與GTPase活性調(diào)控相關(guān)，并可能參與影響神經(jīng)炎癥與疾病進(jìn)展的細(xì)胞過(guò)程，為后續(xù)機(jī)制研究與潛在干預(yù)靶點(diǎn)探索提供了 新的思路 。

綜上所述， 該研究提出的 scMDCF 為單細(xì)胞多組學(xué)數(shù)據(jù)的跨 組學(xué) 對(duì)齊與異質(zhì)性解析提供了一種對(duì)比學(xué)習(xí)視角的 深度學(xué)習(xí) 框架，有助于在復(fù)雜批次差異背景下獲得更穩(wěn)定、可比較且具有生物學(xué)信息的細(xì)胞表征。該方法未來(lái)也有望擴(kuò)展應(yīng)用于更廣泛的多組學(xué)測(cè)序平臺(tái)與疾病研究場(chǎng)景。

本文的通訊作者為吉林大學(xué)人工智能學(xué)院李向濤教授。吉林大學(xué)人工智能學(xué)院、北京 中關(guān)村學(xué)院程悅同學(xué)為第一作者。

原文鏈接：https://doi.org/10.1186/s13073-025-01586-7

制版人：十一

BioArt

Med

Plants

人才招聘

學(xué)術(shù)合作組織

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。