scE2EGAE：基于可微分边缘采样的端到端细胞图学习图自编码器提升单细胞RNA测序数据分析

针对单细胞RNA测序（scRNA-Seq）数据因固定KNN图导致信息丢失的问题，吉林大学团队提出scE2EGAE模型，通过可微分边缘采样和Gumbel-Softmax估计器动态学习细胞间关系图，结合ZINB损失与MSE损失优化下游去噪任务。实验证明其在8个数据集上优于7种基线方法，聚类指标（ARI/NMI）提升显著，为GNNs在生物信息学中的应用提供新范式。

　　

单细胞RNA测序（scRNA-Seq）技术虽能揭示细胞异质性，但其数据存在高噪声（如基因检出丢失）和复杂细胞间关系建模的挑战。传统基于图神经网络（GNNs）的方法依赖固定的KNN图，导致信息损失，影响下游分析精度。为此，吉林大学团队在《Biology Direct》发表研究，提出scE2EGAE框架，通过端到端可训练架构动态优化细胞关系图，显著提升数据质量与生物学发现能力。

研究采用三大关键技术：1）深度计数自编码器（DCA）提取细胞隐层特征；2）基于Gumbel-Softmax和直通估计器（STE）的可微分Top-k边缘采样层构建动态细胞图；3）结合ZINB损失与均方误差（MSE）的混合损失函数平衡图学习与去噪任务。实验使用8个公共数据集（如Klein小鼠胚胎细胞、AD患者脑组织数据），对比7种基线方法（MAGIC、scVI等）。

结果部分
去噪性能评估：scE2EGAE在MAE、PCC和余弦相似度（CS）指标上优于基线，如Klein数据集MAE达1.42（SAUCIE为1.28），ILC数据集CS高达0.998，证明其有效保留真实细胞关系。
聚类分析：通过K-means评估，scE2EGAE在ARI（如Zeisel数据集0.8848 vs 原始数据0.8508）和轮廓系数（AD数据集0.4814）上表现优异，UMAP可视化显示更清晰的细胞类型分离。
抗噪性测试：在10%-40%随机掩蔽率下，scE2EGAE性能波动<5%，如Chu数据集40%掩蔽时MAE反降至179.62，凸显鲁棒性。
轨迹推断：SCORPIUS重建的伪时间排序（POS）在Klein数据集达0.8633，优于scVI（0.9013 ARI但POS较低），助力发育动力学研究。
基因标记分析：鉴定到PPM1K（胚胎细胞）、COL1A1（CAF）等关键基因，与既往研究（如Li et al.癌症预后关联）一致，验证生物学意义。

结论与意义
scE2EGAE首次实现细胞图的端到端学习，突破传统GNNs固定拓扑的限制。其创新性体现在：1）STE解决离散采样不可微问题；2）双损失函数协调特征学习与任务优化；3）支持欧式/双曲距离适应不同数据结构。尽管存在大数据集内存消耗的局限，但为单细胞分析提供了新工具，尤其在复杂疾病（如AD、癌症）的细胞互作机制解析中潜力显著。未来结合mini-batch技术和ZINB-GNN损失有望进一步突破规模瓶颈。