單細(xì)胞多組學(xué)（ scMulti -omics）技術(shù)能夠在同一細(xì)胞水平同時測量多種分子層面的信息 ，徹底改變了我們對細(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)計算方法往往難以在有效消除批次效應(yīng)的同時保留關(guān)鍵的生物學(xué)異質(zhì)性，進(jìn)而可能削弱對重要分子關(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，對齊不同組學(xué)的表征空間，實現(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）。

在多類單細(xì)胞多組學(xué)數(shù)據(jù)集的基準(zhǔn)評估中， scMDCF 在聚類性能與去批次效果方面表現(xiàn)出較強(qiáng)的競爭力，并能夠識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)胞類型內(nèi)部結(jié)構(gòu)一致性的同時，提高了對細(xì)胞亞型差異的分辨能力，并在不同組織來源與實驗條件差異帶來的批次偏移下維持了較好的表征穩(wěn)定性。除性能評估外，研究還展示了 scMDCF 在生物學(xué)發(fā)現(xiàn)方面的潛在價值。例如，在接種 BNT162b2 mRNA疫苗個體的CITE-seq數(shù)據(jù)分析中， scMDCF 識別到疫苗誘導(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)過程中的動態(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 能夠從計算上占比較低的細(xì)胞群中識別小膠質(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)胞過程，為后續(xù)機(jī)制研究與潛在干預(yù)靶點探索提供了 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) 對齊與異質(zhì)性解析提供了一種對比學(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。該方法未來也有望擴(kuò)展應(yīng)用于更廣泛的多組學(xué)測序平臺與疾病研究場景。

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。