港中文李煜：单细胞多组学整合基准评测

摘要

单细胞测序技术的快速发展催生了海量多组学数据，推动了大量整合工具的研发。尽管多组学整合极大推动了细胞研究，但目前仍缺乏针对这些工具的全面评测与应用指南。本研究针对多组学数据整合任务，开展「领域专用模型（DM）与基础模型（FM）」的基准评测，在整合准确性、生物标志物检测、轨迹推断、批次效应定量校正４个维度，对23种经超参数优化的方法进行评估。本研究填补了基础模型与领域专用模型在多组学整合任务中效能与局限对比的空白。本研究的全面分析超越基础整合准确性，重点关注细胞特性、转录组生物标志物、表观组调控元件和发育轨迹的保留能力，该整体方案可帮助研究者从整合结果中挖掘有效生物学信息，深化单细胞解析。研究发现，基础模型在该领域的整体性能不及最优的领域专用模型；为弥补这一差距，本研究提出轻量级适配策略，提升基础模型在该任务中的效能。本研究结果可为研究者针对特定单细胞分析目标选择合适的整合方法提供指导，同时为未来模型设计提供思路。

liyu@cse.cuhk.edu.hk

#单细胞多组学 #数据整合 #领域专用模型 #基础模型 #基准评测 #批次效应校正 #生物标志物检测 #轨迹推断

结果

SCMBench提供全面的基准评测流程

图1  SCMBench工作流程与数据集核心特征

a SCMBench评测流程总览；采用覆盖4种器官、2个物种的配对与非配对真实多组学数据集开展基准评测，辅以不同批次效应强度的模拟数据；评测19个领域专用模型与4个基础模型，点的颜色代表方法对配对/非配对数据的适配性；其中12种为统计类方法，11种为深度学习类方法；获取隐层嵌入与细胞类型推断结果，从整合准确性、生物特征保留、批次校正3个维度评估性能，最终提供不同场景下的软件选型指南与基础模型性能提升策略。

b 本研究纳入的真实数据集核心特征；配对数据集的两种组学细胞数一致，仅标注其一；T和F 分别代表「是」和「否」。

配对与非配对数据集上的数据整合基准评测

图2  整合准确性的基准评测结果<