独立成分分析通过eQTLs（表达量数量性状位点）和sQTLs（结构数量性状位点）揭示了棉花纤维伸长的遗传基础

《Journal of Advanced Research》：Independent component analysis deciphers the genetic basis of cotton fiber elongation through eQTLs and sQTLs

单细胞RNA测序数据中提出scMapNet模型，结合自监督学习与treemap变换，将基因表达向量转换为图像，利用ViT和MAE架构学习细胞标记知识并处理无标签数据，显著提升细胞类型注释准确性和批量效应鲁棒性，支持新细胞类型发现。

　　近年来，单细胞RNA测序技术（scRNA-seq）在基因组学和转录组学研究中发挥了革命性的作用，它使得科学家能够以前所未有的精度研究细胞的异质性。然而，随着数据的快速增长和复杂性增加，传统的细胞类型注释方法面临着效率低、一致性差以及难以有效利用标记基因信息等问题。为了解决这些问题，研究人员提出了多种方法，包括无监督和有监督的方法。无监督方法通常依赖于聚类算法，通过基因表达模式相似性将细胞分组，然后基于已知的标记基因进行注释，但这种方法容易受到主观选择和先验知识的限制。而有监督方法则更自动化，能利用参考数据集进行训练，但其性能依赖于参考数据的质量和数量，且在处理高维稀疏数据时可能不够稳健。

在此背景下，scMapNet作为一种新型的深度学习模型，结合了自监督学习和视觉变换器（ViT）的优势，能够更高效地从大量未标注数据中学习细胞标记知识，并在任务数据上进行微调，以提升注释的准确性。scMapNet通过一种特殊的“treemap”变换将基因表达数据转化为图像形式，这种图像形式能够更直观地展现细胞标记的层级关系，从而为深度学习模型提供更丰富的上下文信息。随后，模型利用掩码自编码器（MAE）进行自监督预训练，通过掩码和重建的方式学习数据的内在结构，再在任务数据上进行微调，以实现更精确的细胞类型注释。

在多个实验数据集上，scMapNet展现出了卓越的性能，其注释准确率远高于其他几种常用方法，包括SingleR、SciBet、Seurat、SCINA、TOSICA和scBERT。尤其是在处理跨平台数据集时，scMapNet表现出良好的批效应不敏感性，这意味着它在不同来源的数据中仍能保持较高的注释质量。此外，scMapNet还具备较强的可解释性，它通过注意力机制识别出对细胞类型识别具有重要意义的基因，并将其映射到具体的生物学过程，从而为研究人员提供深入的生物见解。

为了验证scMapNet的性能，研究人员选取了多个数据集，包括人类胰腺细胞数据、PBMC（外周血单核细胞）数据和肿瘤浸润性髓系细胞数据。在这些数据集中，scMapNet不仅在准确率上表现出色，还能够有效区分相似但分布不平衡的细胞亚型。例如，在PBMC68k数据集中，scMapNet成功识别出CD4+/CD45RA+/CD25-幼稚T细胞和CD4+/T辅助2细胞等复杂且稀有的细胞类型，这在传统方法中往往较为困难。而在胰腺数据集中，scMapNet展示了出色的跨平台适应能力，即使在未去除批效应的情况下，也能实现高达98.6%的注释准确率。

除了在准确率上的优势，scMapNet还具有显著的计算效率。与其他深度学习模型相比，scMapNet在处理大规模数据时表现出了更快的推理速度，这使其在实际应用中更具优势。此外，通过注意力机制，scMapNet能够识别出对细胞类型识别具有重要意义的基因，这些基因不仅包括已知的标记基因，还可能包含新的潜在标记基因，为细胞类型研究提供了新的视角。

在生物信息学领域，基因表达数据的分析和注释是理解细胞功能和疾病机制的关键步骤。然而，传统的注释方法往往难以处理高维稀疏数据，并且依赖于先验的标记基因知识，这在某些情况下可能不够全面或准确。scMapNet的引入为解决这些问题提供了新的思路，它通过将基因表达数据转化为图像，并利用深度学习模型进行自监督学习和任务微调，从而实现了更高效、更一致的细胞类型注释。这种方法不仅提升了注释的准确性，还增强了模型对不同数据分布的适应能力，使得scMapNet在各种应用场景中都表现出色。

值得注意的是，scMapNet在探索新的细胞类型方面也展现了其独特的优势。通过设定一个阈值，模型能够识别出那些未被参考数据集涵盖的细胞类型，并将其归类为新的细胞类型。这一能力对于发现未知细胞亚型和研究罕见细胞类型具有重要意义。此外，scMapNet还能够识别出一些潜在的生物标志物，这些标志物可能在传统的注释方法中被忽视，但对细胞功能和疾病机制的理解具有潜在价值。

综上所述，scMapNet作为一种结合了自监督学习和视觉变换器的深度学习模型，为单细胞数据的注释提供了新的解决方案。它不仅在准确率和批效应不敏感性方面优于现有方法，还具备良好的可解释性和计算效率。这些优势使得scMapNet在处理复杂、高维的单细胞数据时表现出色，为细胞类型识别和功能研究提供了有力的工具。未来，研究人员计划进一步拓展scMapNet的应用范围，探索更多下游任务，并优化模型的计算效率，以更好地服务于生物学研究。