计算机工程

作者：魏琢艺, 罗迈, 李文兵, 曾远松, 余伟江, 杨跃东

单位：1. 中山大学计算机学院, 广东 广州 510000;2. 中山大学国家超级计算广州中心, 广东 广州 510000

关键词：单细胞核糖核酸测序,单细胞分类,多源域适应,对抗训练,深度学习

基金：国家重点研发计划(2022YFF1203100);国家自然科学基金(12126610)。

单细胞核糖核酸(RNA)测序技术被成功应用于产生人体组织和器官的高分辨率细胞图谱,这加深了研究者们对人类疾病组织中细胞异质性的理解。细胞注释是单细胞RNA测序数据分析中非常关键的一步,许多典型的模型利用一个有标签的单细胞参考数据集去注释目标数据集,但目标数据集中部分细胞类型可能不在参考数据集中。整合多个参考数据集可以更好地覆盖目标数据集中的细胞类型,然而多个参考数据集和目标数据集之间存在因测序技术差异等原因造成的批次效应。为此,提出一种基于多源域适应的单细胞分类模型,利用多个已标注细胞类型的参考数据集分别与未标注细胞类型的目标数据集进行对抗训练,消除了批次效应。采用虚拟对抗训练,进一步提升模型预测结果对数据点周围局部微小扰动或噪声的鲁棒性,防止过拟合。在多个单细胞数据集上的实验结果表明,该模型比目前主流模型的细胞识别精度至少提升了5个百分点,为新测序的单细胞身份鉴定提供了新的选择和参考。

来源：2024年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第6期