Effective and scalable single-cell data alignment with non-linear canonical correlation analysis.
Effective and scalable single-cell data alignment with non-linear canonical correlation analysis.
复制标题
DOI：
10.1093/nar/gkab1147
复制
发表时间：
2022-02-28
影响因子：
14.9
通讯作者：
Zhou X
中科院分区：
文献类型：
--
作者：
Hu J;Chen M;Zhou X
数据对齐是单细胞分析中的第一个关键步骤，用于整合多个数据集并在研究中进行联合分析。然而，数据对齐在非常大的数据集中是具有挑战性的，因为当前主要的单细胞数据对齐方法在计算上效率不高。在这里，我们提出了VIPCCA，一个基于非线性典型相关分析的计算框架，用于有效和可扩展的单细胞数据对齐。VIPCCA利用深度学习进行有效的单细胞数据建模，并利用变分推理进行可扩展计算，从而实现跨多个样本、多个数据平台和多个数据类型的强大数据对齐。VIPCCA可准确执行一系列比对任务，包括单细胞RNAseq和ATACseq数据集之间的比对，并可轻松容纳数百万个细胞，从而为研究人员提供独特的机会来应对大规模单细胞图谱中出现的挑战。
Data alignment is one of the first key steps in single cell analysis for integrating multiple datasets and performing joint analysis across studies. Data alignment is challenging in extremely large datasets, however, as the major of the current single cell data alignment methods are not computationally efficient. Here, we present VIPCCA, a computational framework based on non-linear canonical correlation analysis for effective and scalable single cell data alignment. VIPCCA leverages both deep learning for effective single cell data modeling and variational inference for scalable computation, thus enabling powerful data alignment across multiple samples, multiple data platforms, and multiple data types. VIPCCA is accurate for a range of alignment tasks including alignment between single cell RNAseq and ATACseq datasets and can easily accommodate millions of cells, thereby providing researchers unique opportunities to tackle challenges emerging from large-scale single-cell atlas.
登录
查看更多内容
影响因子：
46.9
作者：
Becht, Etienne;McInnes, Leland;Newell, Evan W.
通讯作者：
Newell, Evan W.
影响因子：
9.3
作者：
Baron M;Veres A;Wolock SL;Faust AL;Gaujoux R;Vetere A;Ryu JH;Wagner BK;Shen-Orr SS;Klein AM;Melton DA;Yanai I
通讯作者：
Yanai I
影响因子：
5.8
作者：
Fei, Teng;Yu, Tianwei
通讯作者：
Yu, Tianwei
影响因子：
48
作者：
Kiselev, Vladimir Yu;Yiu, Andrew;Hemberg, Martin
通讯作者：
Hemberg, Martin
人类原始生殖细胞的转录组和 DNA 甲基化组景观
影响因子：
64.5
作者：
Guo, Fan;Yan, Liying;Qiao, Jie
通讯作者：
Qiao, Jie