Key points are not available for this paper at this time.
Motivação Abstract O agrupamento de células únicas desempenha um papel crucial em distinguir entre tipos de células, facilitando a análise dos mecanismos de heterogeneidade celular. Embora muitos métodos de agrupamento existentes se baseiem exclusivamente em dados de expressão gênica obtidos de técnicas de sequenciamento de RNA de célula única para identificar aglomerados de células, a informação contida nos dados mono-ômicos é muitas vezes limitada, levando a um desempenho subótimo no agrupamento. O surgimento de tecnologias de sequenciamento multi-ômico de célula única possibilita a integração de múltiplos dados ômicos para identificar aglomerados de células, mas como integrar diferentes dados ômicos de forma eficaz continua sendo um desafio. Além disso, projetar um método de agrupamento que tenha bom desempenho em vários tipos de dados multi-ômicos representa um desafio persistente devido às características inerentes dos dados. Resultados Neste artigo, propomos um modelo de agrupamento em conjunto de múltiplas visões regularizado por gráfico (GRMEC-SC) para agrupamento de célula única. Nossa abordagem proposta pode integrar adaptativamente múltiplos dados ômicos e aproveitar insights de múltiplos resultados de agrupamento base. Avaliamos extensivamente nosso método em cinco conjuntos de dados multi-ômicos através de uma série de experimentos rigorosos. Os resultados desses experimentos demonstram que nosso modelo GRMEC-SC alcança um desempenho competitivo em diversos conjuntos de dados multi-ômicos com características variadas. Disponibilidade e implementação A implementação do GRMEC-SC, junto com exemplos, pode ser encontrada no repositório do GitHub: https://github.com/polarisChen/GRMEC-SC.
Chen et al. (Thu,) estudaram essa questão.