[Nat. Mach. Intell. | 论文简读] 对比学习可以快速映射到数百万规模的多模态单细胞图谱

简读分享 | 陈兴民 编辑 | 陈兴民

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持续增长，这给处理规模扩大、形态扩展和不可避免的批处理效应带来了计算挑战。最近出现了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。在这里，作者提出了细胞表示的对比学习--Concerto，它利用一个自我监督的蒸馏框架来建模多模式单细胞图谱。通过简单地区分每个单元格，Concerto可以适应各种下游任务，例如自动单元格类型分类、数据集成，特别是参考映射。与目前的主流方案不同，Concerto的对比设置能够很好地对所有基因进行操作，以保存生物变异。Concerto可以灵活地推广到多组学，以获得统一的细胞表示。

在模拟和真实数据集上进行基准测试，Concerto的性能大大优于竞争对手的方法。它能够概括新冠肺炎患者的不同免疫反应并发现了疾病特定的细胞状态。Concerto易于并行化，可高效扩展，在1.5 h内建立1000万个细胞的参考，并在8 s内查询10,000个细胞。总体而言，Concerto将通过迭代构建单个细胞参考图集并快速映射新的数据集来传输相关的细胞注释，从而促进生物医学研究。

论文链接

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