编辑推荐：
本研究针对单细胞多组学数据整合难题，提出一种基于特征分组的新方法scMFG，有效提升了细胞类型识别精度和数据可解释性，为细胞异质性研究提供有力工具。
近年来，单细胞测序技术的飞速发展为生命科学领域带来了前所未有的机遇，使科学家能够深入探索细胞的多样性和复杂性。然而，随着技术的进步，单细胞多组学数据的整合分析成为了一个亟待解决的难题。传统的分析方法在处理这些数据时，往往面临着噪声干扰、细胞类型识别不准确以及模型可解释性不足等问题。为了解决这些挑战，西安电子科技大学的研究人员提出了一种创新的单细胞多组学数据整合方法——scMFG（基于特征分组的单细胞多组学整合方法）。该方法通过特征分组和组间整合技术，有效提高了细胞类型识别的准确性，并增强了数据的可解释性。这一成果不仅为细胞异质性研究提供了新的视角，也为相关疾病的诊断和治疗提供了潜在的理论支持。该研究发表在国际知名期刊《BMC Genomics》上，为单细胞数据分析领域带来了新的突破。
研究背景与问题
单细胞测序技术的出现，使得科学家能够以前所未有的分辨率研究细胞的异质性。然而，随着单细胞多组学技术的发展，如何整合不同组学数据（如基因表达、染色质可及性等）成为一个关键问题。现有方法在处理噪声、识别细胞类型以及解释模型结果方面存在诸多不足。例如，矩阵分解方法虽然简单易懂，但在噪声干扰下单细胞数据的分析效果受限；神经网络方法虽然强大，但缺乏可解释性；而基于网络的方法则忽略了特征之间的相似性。这些问题限制了科学家对细胞异质性的全面理解。
研究方法
为了克服这些限制，研究人员开发了scMFG方法。该方法的核心在于利用特征分组技术对每种组学数据进行分组，然后通过组间整合技术将不同组学数据的特征组进行整合。具体而言，scMFG采用以下关键技术：
特征分组：利用潜在狄利克雷分配（Latent Dirichlet Allocation, LDA）模型对每种组学数据的特征进行分组，有效降低噪声和数据维度。
组间整合：通过矩阵分解方法（如MOFA+）整合不同组学数据的特征组，捕捉不同组学数据之间的共享变异性。
降维与可视化：利用主成分分析（PCA）对整合后的数据进行降维处理，以便于后续分析和可视化。
研究结果
研究人员在多个真实世界数据集和模拟数据集上验证了scMFG的性能，结果表明该方法在细胞类型识别、罕见细胞类型鉴定以及细胞发育轨迹推断方面表现出色。
scMFG有效识别细胞类型
研究人员在10x_lymph_node、share_skin、kidney和10x_pbmc四个复杂数据集上应用scMFG，并与其他方法进行比较。结果显示，scMFG在调整兰德指数（Adjusted Rand Index, ARI）和归一化互信息（Normalized Mutual Information, NMI）等指标上表现优异，表明其在细胞类型识别方面的高精度。此外，通过模拟数据集的实验，scMFG在细胞亚型识别方面也表现出色，尤其是在细胞数量较少时仍能准确区分细胞亚型。
scMFG揭示功能多样性
在share_skin数据集上，研究人员发现scMFG能够有效区分两种过渡扩增细胞（Transit Amplifying Cells, TACs）亚型。通过富集分析，研究人员发现这些特征组与细胞分裂（如染色质凝聚）和细胞分化相关，表明scMFG不仅能够准确识别细胞类型，还能揭示其功能多样性。
scMFG增强可解释性
在snare_p0数据集上，研究人员通过scMFG将细胞状态与联合嵌入（joint embedding）联系起来，发现特定维度的潜在向量能够有效捕获特定细胞类型的独特状态。例如，潜在向量latent0能够特异性地标记Ex6_Tle4细胞，而Hs3st4基因与latent0高度相关，成为该细胞类型的标记基因。
scMFG助力细胞发育轨迹推断
在neuips数据集上，研究人员利用scMFG进行伪时间分析，评估其在细胞发育轨迹推断中的表现。结果显示，scMFG在批效应校正和轨迹保守性方面均表现出色，能够清晰地描绘细胞分化过程。
研究结论与讨论
scMFG作为一种创新的单细胞多组学数据整合方法，通过特征分组和组间整合技术，有效提高了细胞类型识别的准确性，并增强了数据的可解释性。该方法不仅在细胞异质性研究中表现出色，还为细胞发育轨迹推断提供了有力支持。尽管scMFG在特征选择和组数设定方面存在一定的局限性，但其在单细胞数据分析领域的应用前景广阔。未来的研究可以进一步优化特征分组方法，以适应不同数据集的特点，从而更深入地揭示细胞异质性和发育过程中的复杂机制。
