基于互信息最大化的变分自编码器scInfoMaxVAE：提升单细胞RNA测序数据降维与聚类分析的新方法

这篇研究提出scInfoMaxVAE模型，通过结合互信息（MI）最大化与零膨胀计数似然的变分自编码器（VAE），显著提升单细胞RNA测序（scRNA-seq）数据的降维效果。在12个数据集上的测试表明，其聚类指标（NMI 0.94）优于t-SNE（0.66）和scVI（0.38），尤其擅长处理技术噪声和保留邻域结构，为单细胞分析提供了可重复的解决方案。

　　

亮点

工作流程

图1展示了scInfoMaxVAE分析scRNA-seq数据的流程。该模型专注于降维，作为scRNA-seq预处理的最终步骤，为下游分析提供输入。

• •

  数据收集：从不同组织收集scRNA-seq数据以研究细胞多样性，结合公共和私有数据提升稀有细胞类型的检测能力。本研究的数据集包括Baron（Human-1–3, Mouse-1–2）、Klein等。

互信息对变分自编码器的影响分析

本节分析了模型对超参数α和β的敏感性（Camp数据集）。目标是理解这些参数如何影响聚类质量（通过ARI、NMI、同质性和完整性评分衡量）。

首先调整α参数（控制损失函数权重），评估其对聚类性能的影响（图3A）。当α从1增至100时，所有指标（尤其是ARI）呈现明显变化趋势。

讨论

scInfoMaxVAE通过互信息最大化显著提升了scRNA-seq数据的降维效果。模型在多样数据集上表现稳健，关键优势包括：

1. 1.

   跨生物场景的一致性高表现（12个数据集中NMI持续领先）；

2. 2.

   对零膨胀和技术噪声的显式建模；

3. 3.

   邻域结构保留能力突出。

结论

scInfoMaxVAE通过优化互信息，显著提升了scRNA-seq数据的表征质量，在聚类和拟时序推断中展现出优越性能。