MIGO:面向单细胞多组学异构跨模态生成的互信息融合框架

《Information Fusion》:MIGO: A mutual-information fusion framework for heterogeneous cross-modality generation in single-cell multi-omics

【字体: 大 中 小 】 时间:2026年08月29日 来源:Information Fusion 17.4

编辑推荐:

   - MIGO将单细胞跨模态生成建模为信息融合问题。 - 互信息将生物学状态与技术变异分离。 - 向量量化码本支持可复用的细胞状态融合。 - MIGO可从RNA生成scATAC、scHi-C、核糖体谱和蛋白质。 - 生成的模态支持调控、结构和翻译分析。 ## 引言 分子生物

  

- MIGO将单细胞跨模态生成建模为信息融合问题。
- 互信息将生物学状态与技术变异分离。
- 向量量化码本支持可复用的细胞状态融合。
- MIGO可从RNA生成scATAC、scHi-C、核糖体谱和蛋白质。
- 生成的模态支持调控、结构和翻译分析。

## 引言

分子生物学的中心法则描述了细胞信息在不同分子层次间的定向流动。转录是这一级联过程的第一步,受染色质可及性和三维染色质组织结构的调控[1],[2]。随后,翻译将mRNA分子转化为功能性多肽或蛋白质[3],[4],蛋白质产量的决定因素不仅包括mRNA的丰度,还包括其翻译效率[4],[5]。单细胞测序技术的进步扩展了我们解析细胞异质性以及关联调控、转录、翻译和蛋白质层面分子测量数据的能力[6]。

然而,当前的单细胞技术在联合测量同一细胞的多个分子层次方面仍存在局限。这一局限在基因组相关的测量中尤为明显。染色质可及性和三维染色质构象通常通过不同的实验方案来检测,例如scATAC-seq [7]和scHi-C [8],这使得难以在规模化条件下从同一细胞中同时获得调控可及性和空间基因组组织结构[9]。尽管实验方案在从同一细胞收集配对的分子层次数据方面有所改进,但仍仅覆盖了分子层次的部分内容。CITE-seq[10]同时对转录本和表面蛋白质进行表征,而DOGMA-seq[11]和TEA-seq[12]则在单细胞水平联合测量基因表达、染色质可及性以及蛋白质或表位丰度。SHARE-seq[13]和10x Multiome[14]进一步实现了RNA与染色质可及性的大规模联合测量。然而,配对的单细胞多组学资源仍远少于单模态单细胞数据集。对于scHi-C和核糖体谱等专用读出技术,这一差距更为显著,因为它们成本高昂、技术要求高,或通常无法在单细胞分辨率下获得。

这些实验限制导致了碎片化且连接不均衡的多组学资源。转录组谱广泛可得,RNA–ATAC和RNA–蛋白质数据集日益增多,而将转录组与染色质相互作用图谱或翻译活性相关联的配对资源则相对稀缺。这种不均衡的连接性自然地将跨模态生成归结为信息融合问题:可将细胞视为一个潜在生物学状态,通过异质的、不完整且具有技术变异的分子测量进行观察[13],[15],[16]。目标是在保留跨模态共享的生物学信息的同时,推断缺失的分子层次。

现有的计算方法在碎片化单细胞多组学分析方面取得了重要进展。scButterfly[17]、MultiVI[18]和sciPENN[19]等方法从配对或部分配对的数据中学习潜在跨模态关系,并支持缺失模态预测。其他方法,包括StabMap[20]、MIDAS[21]、基于锚点的整合[22]、LIGER[23]、totalVI[24]和scMM[25],改进了马赛克整合、批次校正、概率建模和多模态表示学习。这些研究确立了共享潜在空间作为对齐单细胞模态和填补缺失分子层次的有效策略。然而,当前方法在处理更广泛分子层次上的异质跨模态融合时仍存在局限。大多数方法聚焦于RNA、染色质可及性和表面蛋白质,且主要针对向量值谱设计。因此,它们不易直接应用于scHi-C相互作用图谱等结构化读出或核糖体谱等功能性读出。此外,许多跨模态生成器依赖于任务特定或成对映射,而非一种可复用的细胞状态表示来连接具有不同维度、稀疏模式和数据几何特征的模态。这些局限性使得在同一框架中同时处理技术变异、共享生物学状态对齐、模态特定解码和下游生物学效用变得困难。

因此,跨模态生成可以更深入地建模为异质信息融合问题,而非一组独立的缺失模态预测任务。在这种视角下,一个有用的模型应满足若干要求。首先,它应学习一种可复用的细胞状态表示,保留跨模态共享的生物学信息,同时减少模态特定技术变异的影响。其次,它应支持异质输出几何,包括稀疏可及性谱、连续丰度谱、翻译读出和结构化二维相互作用图谱。第三,生成的模态不仅应通过逐点重建精度或潜在对齐进行评估,还应通过其在下游生物学分析中的效用进行评估,如调控峰恢复、染色质结构域识别、翻译效率估计和标记蛋白质发现。

为应对这些挑战,我们提出了MIGO——一种基于互信息的生成式组学框架,用于以转录组为中心的跨模态生成。MIGO可应用于将scRNA-seq与染色质可及性、单细胞Hi-C、核糖体谱或蛋白质丰度相链接的配对数据集。该模型使用互信息目标[26]将生物学状态表示与技术变异分离,并通过共享的生物学表示对齐配对模态。对齐后的状态随后通过向量量化(VQ)[27]映射到共享的离散细胞状态码本中。这种设计为具有不同维度、稀疏模式和输出几何的模态提供了可复用的接口。

如图1所示,MIGO在四个以转录组为中心的场景中进行了评估——RNA–ATAC、RNA-to-scHi-C、RNA–核糖体谱和RNA–ADT,以及批次效应校正和下游生物学分析。特别地,MIGO将跨模态生成从向量值目标扩展到结构化的RNA-to-scHi-C相互作用图谱,同时保留了多尺度基因组组织结构特征。MIGO还支持翻译效率分析和从生成的模态中发现标记蛋白质。这些结果启发了以转录组为中心的信息融合作为连接具有不同数据几何的互补分子读出的共同策略。

主要贡献总结如下:

- 我们将单细胞跨模态生成建模为以scRNA-seq为中心的异质信息融合问题。该建模将具有不同数据几何、技术变异和生物学含义的分子层次联系起来,包括转录组、染色质可及性、三维基因组组织、翻译活性和蛋白质丰度。
- 我们提出了MIGO,一个基于互信息的生成框架,将生物学状态表示与技术变异分离,通过共享的生物学表示对齐配对模态,并将其映射到向量量化的细胞状态码本中。该设计为任务特定的跨模态生成设置提供了共同的表示策略。
- 我们将跨模态生成从向量值目标扩展到结构化的RNA-to-scHi-C相互作用图谱。MIGO从scRNA-seq输入生成染色质相互作用图谱,并保留了多尺度基因组组织结构特征,包括绝缘子谱、接触衰减行为、TAD边界和A/B区室模式。
- 我们在20个数据集级基准上验证了MIGO,涵盖四个跨模态生成设置——RNA–ATAC、RNA-to-scHi-C、RNA–核糖体谱和RNA–ADT,以及批次效应校正。生成的模态支持下游生物学分析,包括调控峰恢复、标记蛋白质发现、零样本和少样本迁移以及翻译效率估计。

## 小节摘要

### 异质生物学数据的信息融合

信息融合为从同一潜在系统的多个观测中学习提供了自然的框架[28]。在单细胞多组学中,每种分子检测技术可以被视为潜在细胞状态的噪声且不完整的观测通道。这些通道在数据几何、稀疏性、测量噪声和生物学解释上各不相同[6]。转录组通常表示为高维计数向量,染色质可及性表示为稀疏峰谱[7],表面……

### 问题定义与以转录组为中心的融合策略

设 $\mathcal{M} = \{\text{ATAC}, \text{Hi-C}, \text{Ribo}, \text{ADT}\}$ 表示本研究中考虑的非RNA目标模态。对于每个目标模态 $m \in \mathcal{M}$,可用的配对数据集为 $\mathcal{D}^{(m)} = \{(x_r^i, x_m^i, y^i)\}_{i=1}^{N_m}$,其中 $x_r^i$ 表示scRNA-seq观测,$x_m^i$ 表示模态m的配对观测,$y^i$ 表示可选的元数据,如细胞类型、批次、供体、组织或条件。因此,我们采用模态配对的形式化方法,而非假设完全匹配的五模态数据集,因为可用的公共……

### 基准概览与数据集组织

我们在20个数据集级基准上评估了MIGO,涵盖四个模态家族:RNA–ATAC、RNA-to-scHi-C、RNA–核糖体谱和RNA–ADT。在所有单细胞基准中,RNA和ATAC分别表示scRNA-seq和scATAC-seq;RNA–核糖体谱基准使用配对的bulk RNA-seq和核糖体谱数据。这些基准的选择旨在检验以转录组为中心的信息融合框架是否能够同时支持向量值和结构化矩阵……

### 实验评估概览

我们通过五个实验模块评估MIGO。其中四个检验RNA–ATAC、RNA-to-scHi-C、RNA–核糖体谱和RNA–ADT的跨模态生成,一个评估批次鲁棒的RNA–ATAC整合。这些分析评估了RNA–ATAC的潜在状态和调控行为;scHi-C的相互作用图谱保真度、距离依赖性、染色质结构和跨组织迁移;核糖体谱的翻译效率;以及……

## 讨论与结论

MIGO将以转录组为中心的跨模态生成建模为异质信息融合问题。在RNA–ATAC、RNA-to-scHi-C、RNA–核糖体谱和RNA–ADT设置中,相同的核心设计使用不同的生物学状态和技术变异分支,对齐配对的生物学状态,并通过向量量化组织共享状态空间,而预处理和解码器则保持模态特定性。对照分析支持了该设计的作用:用……替换VQ……

## 术语表

**生物学状态嵌入**:旨在捕获在配对模态间保守的细胞内在变异的潜在表示。

**技术嵌入**:用于捕获模态特定技术变异的潜在表示,如测序深度、批次效应和实验伪影。

**码本token**:从融合细胞状态的共享字典中选择的离散向量量化潜在状态。

**1D-to-2D生成**:一种跨模态设置,其中向量值输入(例如转录组)被解码为结构化矩阵值输出(例如……)

## 代码可用性

MIGO的实现位于 https://github.com/XuanweiLin19/MIGO。版本化发布提供了模型定义、训练脚本、任务特定配置文件、带有精确软件版本的环境规范,以及用于报告实验和验证分析的分析脚本。

## 稿件准备过程中生成式AI和AI辅助技术的声明

在稿件准备过程中,作者使用AI辅助语言工具以提高可读性和期刊风格呈现。作者已审阅、编辑,并对提交稿件中的所有科学内容、解释和声明承担全部责任。

## 资助

本项目由中国国家重点研发计划(编号:2024YFA1307703,授予H.L.)、中国国家自然科学基金(编号:62473378,授予H.L.;编号:62422318,授予H.C.)以及其他地方科学基金(编号:JKAWS24J1009,授予H.L.)资助。

## CRediT作者贡献声明

Xuanwei Lin:撰写——初稿、验证、软件、方法论、形式分析、概念化。Yu Sun:验证、方法论。Xiaotang Wang:验证、形式分析。Peng Zhang:形式分析、数据管理。Yaoyao Zhang:可视化、数据管理。XueMeng Li:调研。Yuyang Wang:软件、数据管理。Pengzhen Hu:验证。Yongqi Zhang:调研。Hebing Chen:撰写——审阅与编辑、监督、获取研究资金。Xiaochen Bo:撰写——……

## 利益冲突声明

作者声明不存在已知的可能影响本论文所述工作的竞争性财务利益或个人关系。

**作者:** Xuanwei Lin | Yu Sun | Xiaotang Wang | Peng Zhang | Yaoyao Zhang | XueMeng Li | Yuyang Wang | Pengzhen Hu | Yongqi Zhang | Hebing Chen | Xiaochen Bo | Hao Li
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号