基于自监督ZINB核表示学习的单细胞RNA测序数据深度聚类模型scDKC研究

这篇研究提出了一种创新的端到端深度核细胞聚类模型scDKC，通过自监督零膨胀负二项分布（ZINB）核表示学习，同步优化细胞核表示（kernel representation）与聚类任务。模型采用核辅助混合编码器（MKLs/ARLs）融合细胞表达特征与拓扑互作，结合ZINB解码器捕获全局概率结构，并通过四重自监督机制（聚类/表示/分布/核）提升非线性可分性。实验在15个scRNA-seq数据集上验证了其超越10种基线方法的性能，为癌症研究、表观遗传修饰（epigenetic modification）等提供了高分辨率分析工具。

　　

亮点

• 我们提出首个端到端深度核细胞聚类模型scDKC，整合自监督ZINB核表示学习与细胞聚类。

• 首次将ZINB核表示引入深度聚类网络，实现细胞核表示与结构分区的联合优化。

• 开发核辅助混合编码器（MKLs/ARLs），通过GLU门控机制融合细胞表达特征与拓扑互作。

• 设计四重自监督机制（聚类/表示/ZINB分布/核），显著提升非线性可分性。

引言

单细胞RNA测序（scRNA-seq）已成为解码基因调控和细胞异质性的核心工具，在癌症研究、DNA甲基化检测（DNA methylation）和表观遗传修饰鉴定中发挥关键作用。然而，传统聚类方法因高维噪声和数据稀疏性面临挑战，而现有深度学习方法（如scTAG、scGCOT）往往忽略结构分区目标，导致非线性可分性不足（如图1所示）。

方法

数据预处理与细胞图

输入基因表达矩阵X∈R^N×G（N=细胞数，G=基因数），基于Scanpy包筛选高变基因，并通过K近邻（KNN）构建细胞图。

scDKC框架概览

如图2所示，模型包含：

1. 1.

   核辅助混合编码器：ARL层采用GLU门控融合细胞表达与拓扑表示，MKL层通过多核函数映射到可分核空间。

2. 2.

   ZINB解码器：捕获数据全局概率结构，指导核表示学习方向。

3. 3.

   联合自监督机制：四策略协同优化聚类标签分配与核表示学习。

实验

在15个真实数据集上验证：

• •

  Q1：scDKC显著优于10种基线方法（如scMCKC、scDASFK）。

• •

  Q2：核表示线性可分性提升（t-SNE可视化显示清晰簇边界）。

• •

  Q3：多核函数组合性能优于单一核。

• •

  Q4：混合编码器有效平衡表达与结构信息。

• •

  Q5：四重自监督策略贡献度分析揭示协同效应。

结论

scDKC通过ZINB核表示与自监督机制，解决了scRNA-seq数据非线性可分难题，为癌症异质性分析、生物标志物发现提供了新范式。未来可扩展至多组学数据整合分析。