Clustering of single-cell multi-omics data with a multimodal deep learning method.
Clustering of single-cell multi-omics data with a multimodal deep learning method.
复制标题
基于多模态深度学习方法的单细胞多组学数据聚类。
DOI：
10.1038/s41467-022-35031-9
复制
发表时间：
2022-12-13
影响因子：
16.6
通讯作者：
Hakonarson H
中科院分区：
文献类型：
--
作者：
Lin X;Tian T;Wei Z;Hakonarson H
单细胞多模式测序技术被开发用于同时分析同一细胞中的不同模式的数据。它提供了一个独特的机会，在单细胞水平上联合分析多模态数据，以识别不同的细胞类型。正确的聚类结果对于下游复杂的生物功能研究至关重要。然而，结合不同的数据源进行单细胞多模态数据的聚类分析仍然是一个统计和计算的挑战。在这里，我们开发了一种新的多模态深度学习方法scMDC，用于单细胞多组学数据聚类分析。scMDC是一个端到端的深度模型，可以显式地表征不同的数据源，并联合学习深度嵌入的潜在特征以进行聚类分析。广泛的模拟和真实数据实验表明，scMDC优于现有的单细胞单模态和多模态聚类方法在不同的单细胞多模态数据集。运行时间的线性可扩展性使scMDC成为分析大型多模态数据集的一种有前途的方法。单细胞多模式测序技术被开发用于同时分析同一细胞中的不同模式的数据。在这里，作者开发了一种用于单细胞多组学数据分析的多模态深度聚类方法，该方法支持聚类不同类型的多组学数据和多批次数据，以及下游差异表达分析。
Single-cell multimodal sequencing technologies are developed to simultaneously profile different modalities of data in the same cell. It provides a unique opportunity to jointly analyze multimodal data at the single-cell level for the identification of distinct cell types. A correct clustering result is essential for the downstream complex biological functional studies. However, combining different data sources for clustering analysis of single-cell multimodal data remains a statistical and computational challenge. Here, we develop a novel multimodal deep learning method, scMDC, for single-cell multi-omics data clustering analysis. scMDC is an end-to-end deep model that explicitly characterizes different data sources and jointly learns latent features of deep embedding for clustering analysis. Extensive simulation and real-data experiments reveal that scMDC outperforms existing single-cell single-modal and multimodal clustering methods on different single-cell multimodal datasets. The linear scalability of running time makes scMDC a promising method for analyzing large multimodal datasets. Single-cell multimodal sequencing technologies are developed to simultaneously profile different modalities of data in the same cell. Here the authors develops a multimodal deep clustering method for the analysis of single-cell multi-omics data that supports clustering different types of multi-omics data and multi-batch data, as well as downstream differential expression analysis.
登录
查看更多内容
影响因子：
8
作者：
Hasan, Farah;Chiu, Yulun;Yee, Cassian
通讯作者：
Yee, Cassian
影响因子：
48
作者：
Kiselev, Vladimir Yu;Kirschner, Kristina;Hemberg, Martin
通讯作者：
Hemberg, Martin
DOI：
10.4049/jimmunol.2000612
发表时间：
2020-10-01
期刊：
Journal of immunology (Baltimore, Md. : 1950)
影响因子：
--
作者：
Jones DM;Read KA;Oestreich KJ
通讯作者：
Oestreich KJ
影响因子：
14.9
作者：
Ji Z;Ji H
通讯作者：
Ji H
单细胞染色质可及性揭示了调节变化的原理。
影响因子：
64.8
作者：
Buenrostro JD;Wu B;Litzenburger UM;Ruff D;Gonzales ML;Snyder MP;Chang HY;Greenleaf WJ
通讯作者：
Greenleaf WJ