Comparison of dimensionality reduction methods for multi-omics data obtained from single-cell analysis

Recently, it has become possible to obtain multi-omics data from a single cell.Thus, we can now observe the state of individual cells from a multi-omics perspective, which may provide useful knowledge in the fields of animal science and breeding.When multi-omics data are obtained at the cellular level, the data is generally compressed to a lower dimension by dimensionality reduction methods integrating high-dimensional and multi-modal multi-omics data.It is necessary to compare existing methods to select an appropriate dimensionality reduction method and to develop a new method; however, comparative studies are limited to date.Thus, in this study, we compared several multiple dimensionality reduction methods using two multi-omics data comprising gene expression and chromatin accessibility derived from single-cell analysis.The methods included in this study were multiple co-inertia analysis (MCIA), multi-omics factor analysis, single-cell aggregation and integration (scAI), Seurat, principal component analysis, and uniform manifold approximation and projection.The effectiveness of dimensionality reduction was evaluated by calculating the 要約 近年単一の細胞からマルチオミックスデータを得ることが可能となってきた。これにより個々の細胞の状態をマ ルチオミックスの観点から観測することができるようになり、そこから動物科学・育種分野において有用な知見が 得られる可能性が出てきた。細胞単位でマルチオミックスデータが得られた場合、一般的には多様かつ多次元のマ ルチオミックスデータを統合しながら次元削減し、情報を低次元に圧縮する。適切な次元削減手法の選択や新たな 手法の開発のためには、既存の手法を比較することが必要であるが、そのような比較研究は少ない。そこで本研究 ではシングルセル解析由来の遺伝子発現とクロマチンアクセシビリティから成る２つのマルチオミックスデータを 用いて、複数の次元削減手法を比較した。比較した手法は multiple co-inertia analysis(MCIA) 、multi-omics factor analysis、single-cell aggregation and integration(scAI) 、Seurat、主成分分析及び uniform manifold approximation and projection の 6 つであった。次元削減の有効性は既知の細胞種類が削減された次元でどの程度正確に分類できている かを、シルエット係数を計算することにより評価した。その結果、MCIA と scAI が細胞分類の観点から上位である 一方で、計算時間の観点からは他手法に劣る結果となった。以上から、シングルセル解析におけるマルチオミック スデータを統合し次元削減する手法において、細胞分類の正確さと計算時間双方の観点から優れた手法が提案され ていないことが示唆された。