CrossBranch:整合基因与通路信息的跨领域细胞类型去卷积框架

《BMC Genomics》:CrossBranch: cross-domain cell-type deconvolution with dual-branch representation learning

【字体: 大 中 小 】 时间:2026年09月19日 来源:BMC Genomics 3.9

编辑推荐:

   摘要 从混合组学数据中准确估计细胞类型组成,对于理解组织异质性和疾病机制至关重要。然而,现有的去卷积方法往往受到参考单细胞数据与目标组织样本、蛋白质组学或空间组学测量之间差异的影响。本研究旨在开发一个鲁棒且具有生物学信息的跨领域细胞类型去卷积框架。我们提出CrossBran

  

摘要

从混合组学数据中准确估计细胞类型组成,对于理解组织异质性和疾病机制至关重要。然而,现有的去卷积方法往往受到参考单细胞数据与目标组织样本、蛋白质组学或空间组学测量之间差异的影响。本研究旨在开发一个鲁棒且具有生物学信息的跨领域细胞类型去卷积框架。我们提出CrossBranch,一种双分支表示学习框架,集成了基因水平和通路水平的信息。CrossBranch从单细胞参考数据生成带有标签的模拟混合物,并通过基因表达分支和通路信息分支对模拟数据与目标数据进行联合编码。预测头使用已知细胞类型比例的模拟混合物进行训练,同时通过潜空间对齐减少模拟数据与目标数据之间的分布差异。对于空间转录组数据,还进一步引入了基于邻近spot的空间一致性损失。在组织RNA测序、蛋白质组学和空间转录组学基准测试中,CrossBranch与现有的统计方法和深度学习方法相比,始终取得具有竞争力的去卷积性能。消融分析证实了通路水平表示、跨领域对齐和空间邻域建模的贡献。在前列腺癌、结直肠癌和胰腺癌中的应用进一步表明,CrossBranch能够识别与肿瘤相关的细胞变化、与生存相关的细胞类型模式、恶性上皮定位、成纤维细胞-内皮细胞共定位,以及肿瘤微环境中具有区室特异性的空间组织结构。CrossBranch提供了一个统一的跨领域去卷积框架,提升了跨多种组学模态的细胞类型组成推断能力,并支持对疾病微环境的生物学意义解读。

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