scMODAL : Un cadre général d'apprentissage profond pour l'alignement complet des données multi-omiques à cellule unique avec des liens de caractéristiques

Les avancées récentes dans les technologies des cellules uniques ont permis une caractérisation complète des états cellulaires grâce au profilage transcriptomique, épigénomique et protéomique à la résolution de cellule unique. Ces technologies ont considérablement approfondi notre compréhension des fonctions cellulaires et des mécanismes de la maladie sous divers angles omiques. À mesure que ces technologies évoluent rapidement et que les ressources de données s'élargissent, il y a un besoin croissant de méthodes computationnelles pouvant intégrer des informations provenant de différentes modalités pour faciliter l'analyse conjointe des données multi-omiques à cellule unique. Cependant, l'intégration des ensembles de données omiques de cellules uniques présente des défis uniques en raison des corrélations de caractéristiques variées et des limitations spécifiques aux technologies. Pour relever ces défis, nous introduisons scMODAL, un cadre d'apprentissage profond adapté à l'alignement des données multi-omiques à cellule unique utilisant des liens de caractéristiques. scMODAL intègre des ensembles de données avec un nombre limité de caractéristiques corrélées positivement connues, tirant parti des réseaux neuronaux et des réseaux antagonistes génératifs pour aligner les embeddings cellulaires et préserver la topologie des caractéristiques. Nos expériences démontrent l'efficacité de scMODAL dans l'élimination de la variation indésirable, la préservation de l'information biologique et l'identification précise des sous-populations cellulaires à travers divers ensembles de données. scMODAL favorise non seulement les tâches d'intégration mais soutient également les analyses en aval telles que l'imputation de caractéristiques et l'inférence de relations entre caractéristiques, offrant une solution robuste pour faire progresser la recherche multi-omique à cellule unique.