scBOA：基于贝叶斯优化的单细胞RNA测序细胞类型注释工作流参数优化

《Nature Communications》：scBOA: Bayesian optimization of single-cell analysis pipelines for robust annotation and discovery

单细胞RNA测序中准确的细胞类型注释对上游参数敏感，而这些参数通常通过启发式方法选择。我们提出scBOA，这是一个两阶段框架，利用贝叶斯优化根据预设目标选择工作流参数，并重新运行所选配置进行参考辅助分析。其可配置目标结合了注释纯度、标记一致性和转录组内聚性，能够实现细粒度或保守的解决方案。可选扩展支持低置信度细胞细化和多样本整合。通过模拟和人类外周血单核细胞、胰腺及成人心脏的荧光激活细胞分选数据集，我们将高斯过程scBOA与14种替代参数选择和聚类策略进行了比较。我们表明，性能取决于目标、工作流、参考层级和词汇表、共识标签构建以及分区粒度。我们发现scBOA并非普遍优越，但当注释目标与生物学结构对齐时，表现出较强的综合性能。我们将小鼠亨廷顿病数据集作为整合和参考映射的探索性压力测试。总体而言，我们证明scBOA为参考辅助单细胞分析提供了可重复、目标驱动的工作流优化。