Nat Mach Intell | 陈盛泉团队提出基于正则化重心映射的单细胞数据批次整合方法

主要观点总结

文章介绍了单细胞转座酶可及染色质测序技术（scATAC-seq）在揭示全基因组染色质开放状态中的应用，以及样本间技术性差异如批次效应对真实生物学信号的干扰。南开大学陈盛泉教授团队发表的研究论文提出了一个名为Fountain的深度学习框架，使用正则化重心映射解决批次校正问题，有效去除批次效应并保护数据内在生物学异质性。该框架支持在线整合和生成经过批次校正的原始维度数据，便于下游分析。

关键观点总结

关键观点1: 单细胞转座酶可及染色质测序技术（scATAC-seq）的应用和挑战

scATAC-seq技术以高分辨率揭示全基因组染色质开放状态，有助于理解基因调控机制。但多样本整合分析时，样本间的技术性差异如批次效应会干扰真实生物学信号。

关键观点2: Fountain深度学习框架的提出和核心特点

陈盛泉教授团队提出的Fountain框架使用正则化重心映射解决批次校正问题，保护数据内在生物学异质性，支持在线整合和生成经过批次校正的原始维度数据。

关键观点3: Fountain的性能评估和优势

在七个真实scATAC-seq数据集上的性能比较表明，Fountain在聚类准确性、批次校正效果和避免过度校正等多个指标上表现出最优综合性能。能够显著提升下游生物学分析的质量，如更清晰的识别差异可及性峰，提高细胞类型注释的准确率，揭示更精准的细胞特异性功能通路和遗传力富集。