一种紧凑且信息丰富的表示学习方法，用于带有信息瓶颈屏蔽的scRNA-seq数据聚类

《BMC Biology》：Compact and informative representation learning for scRNA-seq data clustering with masked information bottleneck

　　

摘要

背景

单细胞RNA测序（scRNA-seq）为表征细胞异质性提供了前所未有的机会。然而，基因表达数据中固有的高稀疏性、噪声和冗余性常常掩盖了生物学上有意义的信号，阻碍了准确的细胞聚类。尽管通常使用变化较大的基因来降低维度，但这些基因仍可能包含冗余或噪声信息，从而降低聚类性能。

结果

在这里，我们提出了scMIB，这是一种用于scRNA-seq数据中鲁棒表示学习的掩码信息瓶颈框架。该方法引入了一种基于掩码的去噪策略，该策略会扰动基因表达模式，并训练模型在抑制噪声的同时恢复有信息量的结构。通过整合信息瓶颈目标，scMIB进一步压缩了冗余信号，保留了对聚类最相关的信息。此外，还采用了一种掩码一致性学习机制来对齐真实掩码和预测掩码，促使模型捕捉稳定的基因级模式。在多个公开的scRNA-seq数据集上的广泛实验表明，与现有方法相比，scMIB一致性地提高了聚类的准确性和鲁棒性，同时有效减轻了噪声和稀疏性的影响。

结论

我们的结果表明，将基于掩码的扰动与信息瓶颈学习相结合，为从嘈杂的单细胞转录组数据中提取有信息量的表示提供了一种有效策略。所提出的框架为scRNA-seq聚类提供了鲁棒的解决方案，可能有助于更可靠地识别复杂生物系统中的细胞异质性。