少即是多：无数据增强的单细胞RNA测序对比学习算法提升细胞类型鉴定精度

本研究针对单细胞RNA测序(scRNA-Seq)分析中细胞类型鉴定的关键问题，提出无数据增强的对比学习算法AF-RCL。通过创新性地简化数据增强操作并改进损失函数，该方法在18个数据集上验证显示：相比传统对比学习方法，其MCC值提升10-14%，F1-score提高8-17%，且学习到的特征表示在均匀性与语义保留性上达到更优平衡。相关工作发表于《Bioinformatics》，为单细胞分析提供了新范式。

　　

在生命科学领域，单细胞RNA测序(scRNA-Seq)技术如同显微镜般揭示了细胞水平的基因表达图谱，但如何准确识别这些"分子指纹"对应的细胞类型，仍是困扰研究者的难题。传统机器学习方法如scPred、ACTINN等虽取得进展，却受限于高维稀疏数据的挑战；而新兴的对比学习技术虽展现出潜力，但其依赖的数据增强操作可能引入噪声干扰。伦敦大学伯贝克学院( Birkbeck, University of London )与伦敦大学学院( University College London )的研究团队在《Bioinformatics》发表的研究，通过创新性地"做减法"，开发出无数据增强的AF-RCL算法，不仅简化了流程，更在18个数据集上实现平均12%的性能提升，为单细胞分析树立了新标杆。

研究采用三大关键技术：1) 基于原始scRNA-Seq表达谱构建正负样本对的增强免策略；2) 改进的监督对比损失函数（式1），通过调整分母结构缓解过拟合；3) 结合支持向量机(SVM)的分类框架，使用马修斯相关系数(MCC)、F1-score和准确率(ACC)多指标评估。实验数据涵盖人类和小鼠等18个公开数据集，通过Zenodo平台获取。

【AF-RCL框架优势】算法1展示的创新流程中，通过直接利用细胞类型标签构建正负样本集（图1红蓝矩阵），省去了传统的数据增强步骤。与需要高斯噪声或基因掩码的对比学习方法相比，AF-RCL在10/18数据集上MCC值优于Sup-GsRCL，在14/18数据集上超越Self-GsRCL（图3），证明"少即是多"的设计理念。

【表征学习质量】式5-6的量化分析揭示，AF-RCL在均匀性(Uniformity)与容忍度(Tolerance)间取得更好平衡（图6）。虽然Self-GsRCL在均匀性上表现最佳，但其容忍度得分最低；而AF-RCL在两项指标的乘积值上领先于5种对比方法中的4种，说明其学习到的特征空间兼具全局分散性和局部聚类性。

【跨方法比较】如图4所示，AF-RCL相较传统方法优势显著：对scPred的MCC优势达10/18数据集，对ACTINN全面领先13/18数据集。即使是当前最先进的scGPT（基于3300万人类细胞预训练），AF-RCL仍在5/8人类数据集上ACC值更优（图4L），突显其普适性。

这项研究通过理论创新和方法简化，实现了单细胞分析领域的双重突破：其一，证明数据增强并非对比学习的必需环节，为算法设计提供新思路；其二，改进的损失函数机制（式1）通过调整梯度计算方式，有效缓解过拟合问题。正如讨论部分强调的，AF-RCL特征表示在保留局部语义结构（式6）的同时，维持了更好的全局分布均匀性（式5），这种平衡使其在下游任务中表现卓越。未来，该框架可扩展至数据整合、批次效应校正等场景，为单细胞多组学研究提供通用解决方案。