使用scMGCA对多平台的单细胞基因调控进行拓扑识别与解释

单细胞RNA测序提供了高通量的基因表达信息，以探讨个体细胞层面的细胞异质性。对高通量基因表达数据进行表征的主要挑战来自于维度相关的挑战和缺失事件的普遍性。为了解决这些问题，我们开发了一种深度图学习方法scMGCA，用于单细胞数据分析。scMGCA基于图嵌入自编码器，同时学习细胞-细胞拓扑表示和簇分配。我们展示了scMGCA在细胞分离和批次效应校正方面的准确性和有效性，优于其他多平台的先进模型。此外，我们对图嵌入自编码器的关键压缩转录组空间进行了基因组解释，以展示潜在的基因调控机制。我们表明，在胰腺导管腺癌数据集中，scMGCA成功地提供了特定细胞类型的注释，并揭示了多种肿瘤相关的细胞信号通路中的差异基因表达水平。