Agrupamento K-means profundo e suave com auto-treinamento para dados de sequência de RNA de célula única

Resumo A sequenciação de RNA de célula única (scRNA-seq) permite que os pesquisadores estudem a heterogeneidade celular em nível celular. Uma etapa crucial na análise de dados de scRNA-seq é agrupar células em subpopulações para facilitar a análise subsequente. No entanto, eventos frequentes de queda e o aumento do tamanho dos dados de scRNA-seq tornam o agrupamento de perfis de expressão transcricional esparsos, massivos e de alta dimensão desafiador. Embora alguns algoritmos de agrupamento baseados em aprendizado profundo existentes para células únicas combinem redução de dimensionalidade com agrupamento, eles ignoram as restrições de distância e afinidade entre células semelhantes ou fazem algumas suposições adicionais de espaço latente, como a distribuição gaussiana mista, falhando em aprender um espaço de baixa dimensionalidade amigável ao agrupamento. Portanto, neste artigo, combinamos a técnica de aprendizado profundo com o uso de um autoencoder de denoising para caracterizar dados de scRNA-seq enquanto propomos um algoritmo K-means de auto-treinamento suave para agrupar a população celular no espaço latente aprendido. O procedimento de auto-treinamento pode agregar efetivamente as células semelhantes e buscar um espaço latente mais amigável ao agrupamento. Nosso método, chamado ‘scziDesk’, realiza alternativamente compressão de dados, reconstrução de dados e agrupamento suave de forma iterativa, e os resultados demonstram excelente compatibilidade e robustez em dados simulados e reais. Além disso, nosso método proposto possui escalabilidade perfeita em linha com o tamanho celular em conjuntos de dados em grande escala.