基于迁移学习的单细胞与空间多组学数据过整合消解框架scRabbit

《IEEE Transactions on Big Data》：Disentangling Over-Integration of Single-Cell and Spatial Multiomics Data with Transfer Learning

　　

整合来自多种单细胞测序技术的数据比单独分析单个测定可提供更深入见解。尽管已开发若干整合单细胞多组学数据的方法，但其常过度关注不同模态间混合程度，导致过整合，从而可能掩盖细胞亚型与生物学条件间差异。为解决该局限，研究人员引入一种无监督方法，通过迁移学习桥接共享与特异性模式整合单细胞RNA测序（scRNA-seq）与转座酶可及染色质测定（ATAC）数据（即scRabbit）。scRabbit利用域特异性批归一化重建原始表达谱并保留独特模态特异性特征，从而维持不同数据源完整性并减少过整合。此外，scRabbit利用模态分类器捕获跨模态共享特征，增强整合并提高模型训练效率。综合基准分析表明，在配对与非配对数据集、细胞类型不平衡及生物学条件等复杂情境下，scRabbit优于当前最先进方法。此外，研究人员评估scRabbit在整合单细胞RNA数据与空间多组学数据（如MERFISH和seqFISH）中的有效性。

研究背景与问题：过去十年，单细胞多组学测序技术快速发展，产生了转录组、染色质可及性、表面蛋白表达与空间转录组学（ST）等多类数据。整合不同多组学数据集比单模态分析更能全面理解生物系统。整合可分为配对整合与非配对整合。现有计算方法多借鉴批量数据整合，包括基于相关性的方法、矩阵分解方法与流形对齐方法；这些方法可能去除技术变异与生物学变异、受线性操作限制、需严格全局分布匹配，并在多组学异质性增加时出现欠整合。深度学习类方法虽可缓解欠整合，却常为追求模态混合而过度对齐，导致过整合，掩盖细胞亚型与生物学条件差异，降低可解释性并可能误导下游分析；部分方法还需配对数据、基因调控网络先验、源模态注释标签或计算开销较大，且多数未扩展至空间组学数据。为此，研究人员提出scRabbit，以在整合scRNA-seq与ATAC数据时桥接共享与特异性模式，减少过整合并保留生物学变异。

研究开展与总体结论及意义：scRabbit为无监督迁移学习框架，由无模态编码器、模态特异性解码器与模态分类器构成。研究人员在非配对与配对scRNA-seq/scATAC-seq数据、细胞类型不平衡数据、不同生物学条件数据以及转录组与空间组学数据中开展五类实验，并采用调整兰德指数（ARI）、归一化互信息（NMI）、F1分数（F1-score）、轮廓系数（silhouette score）与批次熵（BE）等评价。结果表明scRabbit在多种复杂场景下优于当前最先进方法，兼顾整合效果与计算效率，能保留生物学变异并避免过整合；在空间组学整合中可实现细胞注释转移并提升注释精度，具有作为标签转移工具的潜力。

关键技术方法（不超过250字）：scRabbit以变分自编码器（VAE）为基础，采用无模态编码器学习共享潜在表示；解码器使用域特异性批归一化（DSBN）保留各模态特征；模态分类器结合梯度反转层（GRL）与域适应损失促进模态不变特征学习；总损失为重构损失、Kullback-Leibler（KL）散度与域适应损失的加权和（λ₁、λ₂、λ₃），并以小批量采样包含各批次细胞。评价中以K近邻（KNN）分类器进行标签转移并计算指标。样本来源包括小鼠脾脏、外周血单个核细胞（PBMC）、Mimitou et al.的CITE-seq与ASAP-seq数据、小鼠脑与肾MERFISH数据、胚胎seqFISH数据及约100万细胞人类图谱数据等。

研究结果：2.1 非配对跨模态整合与异质性保留（Unpaired Cross-Modal Integration With Heterogeneity Preservation）：在小鼠脾脏非配对scRNA-seq与scATAC-seq数据中，与最先进方法比较，scRabbit可整合两模态并识别相似但非完全相同的细胞亚型，避免过整合；其ARI、NMI与F1-score优于对比方法，轮廓系数为0.620，BE分数为0.543，低于部分高混合方法，但后者倾向将不同亚型合并，提示过整合；标记基因分析支持其区分NK、T CD4与T CD8亚型。2.2 配对数据集整合用于准确标签转移（Paired Dataset Integration for Accurate Label Transfer）：在PBMC配对数据中，scRabbit、uniPort、Maxfuse与GLUE表现较好且结果可比；scRabbit轮廓系数最高为0.634，ARI、NMI与F1-score合计最高为2.507，标签转移准确率最高；在PBMC3k、PBMC10k、SNARE-seq及疾病相关数据中显示泛化性，并在约100万细胞图谱规模数据中较Seurat与uniPort具有更低运行时间与内存占用。2.3 不平衡条件下的稳健细胞类型匹配（Robust Cell-Type Matching Under Imbalanced Conditions）：通过从scRNA-seq或scATAC-seq中选择性移除Granulocyte、DC与NK细胞类型构建unbalance-RNA与unbalance-ATAC任务，scRabbit可识别模态特异性细胞类型并准确整合共享类型；在两类任务中总分分别为2.003与2.007，轮廓系数表现较优，较其他方法更稳健。2.4 跨不同生物学条件的多组学整合（Multiomic Integration Across Different Biological Conditions）：使用Mimitou et al.的CITE-seq与ASAP-seq T细胞刺激/对照数据，scRabbit可区分不同生物学条件下相同细胞类型并正确整合同条件下细胞，避免SCALEX与uniPort式过整合及scCorrector式欠整合；其整合任务总分最高为2.227，中位轮廓系数为0.711。2.5 通过转录组整合进行空间细胞注释（Spatial Cell Annotation Through Transcriptomic Integration）：在小鼠脑MERFISH与scRNA-seq整合中，scRabbit优于uniPort、SCALEX、SPANN、scCorrector、MultiMAP与Scanorama，轮廓系数为0.677，ARI、NMI与F1-score合计为2.107；在小鼠肾MERFISH与Tabula Muris Senis肾scRNA-seq参考图谱整合中，scRabbit可预测MERFISH细胞类型并保留空间位置信息，总体准确率为0.77；在胚胎seqFISH数据中，scRabbit在已知细胞注释与未知细胞检测间保持较好平衡。

讨论与结论：讨论指出，scRabbit需先将ATAC-seq数据转换为基因活性矩阵，若聚合不当可能损失识别细微细胞状态的信息；将方法扩展至蛋白质组学以及利用空间坐标作为监督信号以提高细胞类型注释准确性，是后续方向。研究结论翻译：本研究引入scRabbit，一种基于无监督迁移学习的框架，旨在整合配对与非配对单细胞多组学数据，同时消解过整合问题。scRabbit在不同模态（RNA、ATAC与ST）、测序技术（10x、板式scATAC、CITE-seq、ASAP-seq、SNARE-seq、MERFISH与seqFISH）及组织（小鼠脾脏、PBMC、小鼠脑与小鼠肾）等多种数据集中持续优于最先进整合方法。广泛验证表明，scRabbit不仅计算高效，而且善于保留生物学变异并避免过整合，尤其在处理异质性数据集（如不平衡细胞类型匹配及不同生物学实验条件来源数据）时；此外，scRabbit通过整合在数据集间转移信息以提高注释精度，可有效发挥标签转移工具的作用。