multiHIVE：一种用于单细胞多组学的层次化多模态深度生成建模方法

《BMC Bioinformatics》：multiHIVE: hierarchical multimodal deep generative modeling for single-cell multiomics

　　

摘要

背景

单细胞多组学技术的最新进展使得通过在同一细胞内联合分析多种分子模式来全面表征细胞状态成为可能。要充分发挥这些数据的潜力，需要采用能够有效整合不同技术特性和噪声特征的异构模式的计算方法。

结果

为了解决这些挑战，我们提出了multiHIVE，这是一个分层的多模态深度生成模型，它通过分解共享信号和特定模态的信号来推断整合的细胞嵌入。multiHIVE利用分层堆叠的潜在变量以及特定模态的潜在变量来分别捕获共享信息和私有信息，从而促进集成、去噪和插补任务。在黄金标准真实数据集（双模态和三模态）上的广泛基准测试表明，multiHIVE在整合多组学数据集和插补缺失特征方面表现优异。此外，利用胸腺细胞发育数据集，我们发现multiHIVE的细胞嵌入技术能够改善轨迹推断和基因趋势识别。最后，通过使用涵盖发育和疾病的数据集，我们证明了将multiHIVE推断出的去噪表达分解为基因表达程序有助于在细胞层次的多个层面识别生物过程。

结论

multiHIVE通过联合建模共享变异和特定模态的变异，提供了一个强大且可扩展的单细胞多组学整合框架。通过保留跨模态的互补生物信息，multiHIVE实现了准确的整合、插补以及生物学上可解释的下游分析，为从多模态单细胞数据中解析复杂的细胞状态提供了一个多功能框架。multiHIVE是用Python实现的，并且可以在https://github.com/Zafar-Lab/multiHIVE处公开获取。