高歌研究组2022年发表于《自然·生物技术》（Nature Biotechnology）杂志的研究成果《基于图耦联的单细胞多组学数据整合和调控推断》（Multi-omics single-cell data integration and regulatory inference with graph-linked embedding），近日经《基因组蛋白质组与生物信息学报》（Genomics, Proteomics and Bioinformatics，简称GPB）评选，入选2022年度“中国生物信息学十大进展”。
单细胞组学技术近年来蓬勃发展，已成为研究细胞功能及其背后的基因调控机制的重要手段，目前许多不同组学已能在单细胞精度下进行检测，每种组学反应的是细胞状态的一个侧面，为了更准确地整合不同组学数据，全面刻画细胞内的基因调控状态和调控机制，高歌团队开发了基于图耦联的计算模型GLUE，该模型采用变分自编码器（Variational AutoEncoder, VAE）学习细胞的降维表示，由于特征空间的差异，不同组学的细胞需要使用不同的自编码器，为了在不同组学的自编码器之间建立关联，GLUE提出了图耦联（graph-linking）策略，将组学特征间的先验调控知识组织成一个引导图（guidance graph），有效将不同组学的自编码器关联起来，保证降维空间具有“语义一致性”（图 1）。GLUE实现了很高的整合精度、鲁棒性和可扩展性，可以自然地支持整合任意数量、调控方向的组学数据，并同时进行调控推断。
图1：GLUE模型的结构示意图
中国生物信息学“十大”系列是由《基因组蛋白质组与生物信息学报》于2018年发起组织评选，旨在推动我国生物信息学的学科发展和创新研究，充分展示和宣传我国生物信息学领域的重大研究成果，高歌研究组人类lncRNA图谱和单细胞转录组细胞检索方法Cell BLAST分别曾入选2019年度“中国生物信息学十大数据库”和2020年度“中国生物信息学十大进展”。
工具链接：
https://github.com/gao-lab/GLUE
原文信息：
Cao, Z.-J. & Gao, G. Multi-omics single-cell data integration and regulatory inference with graph-linked embedding. Nat. Biotechnol. 2022;40:1458-66. PMID: 35501393