[Nat.Mach.Intell. | 论文简读] 对比学习实现对百万级规模的多模态单细胞图谱的快速映射

简读分享 | 蒋一 编辑 | 李仲深

论文题目

Contrastive learning enables rapid mapping to multimodal single-cell atlas of multimillion scale

论文摘要

单细胞数据集的规模不断扩大，为处理扩大的规模、扩展的模态和不可避免的批量效应带来的计算问题。最近，基于深度学习的方法通过推导非线性细胞嵌入来解决这些问题。作者提出了细胞表征的对比学习--Concerto，它利用一个自我监督的蒸馏框架来模拟多模态单细胞图谱。通过区分每个细胞，Concerto可以适应各种下游任务（自动细胞类型分类、数据整合，reference mapping）。与目前的主流软件包不同，Concerto的对比性设置很好地支持对所有基因进行操作来保留生物变异。Concerto可以灵活地推广到多组学获得统一的细胞表示。在模拟和真实的数据集上进行基准测试，Concerto大大超过了其他竞争的方法。Concerto通过映射到全面的reference，Concerto再现了不同的免疫反应，并发现了COVID-19患者的疾病特定细胞状态。Concerto很容易并行化，并且可以有效地扩展，在1.5小时内建立一个1000万个细胞的参考，并在8秒内查询1万个细胞。

论文链接

https://www.nature.com/articles/s42256-022-00518-z