scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration
Jianle Sun, Chaoqi Liang, Ran Wei, Peng Zheng, Lei Bai, Wanli Ouyang, Hongliang Yan, Peng Ye
单细胞测序的进步使不同分子模式的高分辨率分析成为可能,同时整合未配对的多组学单细胞数据仍然具有挑战性。 现有方法要么依赖于对信息或先前的对应关系,要么需要计算全局配对耦合矩阵,从而限制了它们的可扩展性和灵活性。 在本文中,我们引入了一种可扩展且灵活的生成框架,称为单细胞多组学常规解缠表示(scMRDR),用于未配对的多组学集成。 具体来说,我们使用精心设计的β-VAE架构将每个细胞的潜在表征分离成模式共享和模式特异性组件,这些结构通过等距正则化来增强,以保留组学内部生物异质性,鼓励跨模态对齐的对抗性目标,以及掩蔽的重建损失策略,以解决跨模式缺失特征的问题。 我们的方法在批次校正、模式对齐和生物信号保存方面在基准数据集上实现了优异的性能。 至关重要的是,它有效地扩展到大型数据集,并支持两个以上组学的集成,为大规模多组学数据集成和下游生物发现提供了强大而灵活的解决方案。
Advances in single-cell sequencing have enabled high-resolution profiling of diverse molecular modalities, while integrating unpaired multi-omics single-cell data remains challenging. Existing approaches either rely on pair information or prior correspondences, or require computing a global pairwise coupling matrix, limiting their scalability and flexibility. In this paper, we introduce a scalable and flexible generative framework called single-cell Multi-omics Regularized Disentangled Represent...
