scDECA：融合预训练先验与局部结构的双编码器框架用于单细胞转录组表征

《BioData Mining》：scDECA: integrating gene-cell interactions with global priors and local structures in single-cell transcriptomics

摘要

背景

单细胞RNA测序技术能够实现对细胞转录组的高分辨率表征，但由于数据稀疏性、基因 dropout 现象以及技术噪声的影响，学习鲁棒的表征仍然极具挑战性。直接依赖原始基因表达数据的方法对这些伪影高度敏感，尽管它们能够在单个数据集中捕捉到数据集特有的转录模式。相比之下，大规模预训练的单细胞模型通过预训练基因表征提供了全局生物先验知识，但往往无法捕捉到依赖于具体情境的信号。因此，能够有效整合预训练生物先验知识与数据集特异性表达模式的方法仍然相对有限。

结果

我们提出了 scDECA，一种双编码器交叉注意力框架，该框架融合了原始基因表达、预训练基因先验知识，以及源自蛋白质-蛋白质相互作用网络和基于表达的细胞相似性图的局部结构信息。基因编码器整合了原始表达数据、预训练基因嵌入以及蛋白质-蛋白质相互作用结构，而细胞编码器则利用由观测表达谱构建的相似性图来建模特定情境下的细胞间关系。交叉注意力机制对齐基因域和细胞域，生成统一的表征，既能够捕捉全局生物组织信息，也能够捕捉数据集特异性的转录异质性。在多个疾病数据集上，scDECA 提升了聚类性能，更一致地恢复了功能基因程序，并生成了具有生物学可解释性的表征。

结论

这些结果证明了在单细胞转录组学中进行全局生物先验知识与局部结构的联合建模，对于鲁棒且具有生物学意义的表征学习具有重要意义。scDECA 提供了一个有效的框架，将预训练知识与数据集特异性的转录结构进行整合，从而提升了可解释性以及下游分析性能。