scCGC2T: 用于单细胞 RNA 测序数据聚类的课程引导对比协同训练框架

《IEEE Transactions on Computational Biology and Bioinformatics》：scCGC2T: Curriculum-Guided Contrastive Co-Training Framework for scRNA-Seq Data Clustering

　　单细胞RNA测序（scRNA-seq）能够实现对细胞异质性的高分辨率分析。准确的scRNA-seq数据聚类对于细胞类型识别和亚群发现至关重要。然而，现有的聚类方法常常受到通过静态阈值生成的错误伪标签的影响，从而在训练过程中逐步累积误差。为解决这些挑战，本文提出了一种新的课程引导对比共训练（scCGC2T）框架用于scRNA-seq数据聚类。该框架设计了一种双分支架构，用于跨视图对比共训练，从而增强其对scRNA-seq数据的表征能力。此外，引入了一种渐进式课程学习策略来动态过滤伪标签。具体而言，使用静态阈值的高置信度样本应用于初始训练，随后通过动态阈值进行引导，低置信度样本逐步纳入训练过程，从而减轻噪声干扰问题。因此，所提出的scCGC2T方法有效缓解了训练早期的误差累积问题，并大大增强了对复杂细胞亚群的判别能力。在多个基准上的大量实验表明，所提出的方法在scRNA-seq数据聚类任务上实现了卓越的聚类性能和强大的泛化能力。本工作的源代码可在以下地址获取：https://github.com/szq0816/scCGCT。