scVAE : auto-encodeurs variationnels pour les données d'expression génique unicellulaire

MOTIVATION : Les modèles pour analyser et faire des inférences biologiques pertinentes à partir de quantités massives de données transcriptomiques unicellulaires complexes nécessitent généralement plusieurs étapes individuelles de traitement des données, chacune ayant son propre ensemble de choix d'hyperparamètres. Avec les modèles génératifs profonds, on peut travailler directement avec des données de comptage, effectuer une comparaison de modèles basée sur la vraisemblance, apprendre une représentation latente des cellules et capturer plus de variabilité dans différentes populations cellulaires. RÉSULTATS : Nous proposons une nouvelle méthode basée sur des auto-encodeurs variationnels (VAE) pour l'analyse des données de séquençage d'ARN unicellulaire (scRNA-seq). Elle évite le prétraitement des données en utilisant des données de comptage brutes comme entrée et peut estimer de manière robuste les niveaux d'expression génique attendus et une représentation latente pour chaque cellule. Nous avons testé plusieurs fonctions de vraisemblance de comptage et une variante du VAE qui possède un clustering a priori dans l'espace latent. Nous montrons pour plusieurs ensembles de données scRNA-seq que notre méthode surpasse les méthodes scRNA-seq récemment proposées en matière de regroupement de cellules et que les clusters résultants reflètent les types cellulaires. DISPONIBILITÉ ET MISE EN ŒUVRE : Notre méthode, appelée scVAE, est implémentée en Python en utilisant la bibliothèque d'apprentissage machine TensorFlow, et elle est disponible gratuitement sur https://github.com/scvae/scvae. INFORMATIONS SUPPLÉMENTAIRES : Les données supplémentaires sont disponibles à Bioinformatics en ligne.