【Nature子刊】协和医院王任直团队：自我监督对比学习在中枢神经系统疾病中的创新应用

主要观点总结

文章介绍了中枢神经系统（CNS）的复杂性以及单细胞RNA测序（scRNA-seq）在研究和理解CNS中的关键作用。研究团队引入了一种名为scCM的自我监督对比学习方法，用于整合大规模CNS scRNA-seq数据。通过使用scCM，团队能够揭示CNS细胞类型/亚型内的异质性关系，并展示scCM在聚类分析、揭示神经退行性疾病与细胞类型/亚型之间的关系以及未知细胞的注释方面的能力。研究还指出了需要进一步研究的方向。

关键观点总结

关键观点1: 中枢神经系统（CNS）的复杂性

CNS由具有不同功能和基因表达谱的多种脑细胞类型组成，其疾病表现出复杂的生理或病理改变。scRNA-seq已成为研究与生理或病理条件相关的特定细胞类型或亚群中基因表达的关键工具。

关键观点2: scCM的自我监督对比学习方法

团队引入了scCM方法，这是一种自我监督对比学习模型，用于整合大规模CNS scRNA-seq数据。它通过比较基因表达的变异，将功能相关的CNS细胞靠在一起，同时将不同的CNS细胞分开，有效揭示CNS细胞类型/亚型内的异质性关系。

关键观点3: scCM在揭示神经退行性疾病与细胞类型/亚型之间的关系的应用

通过scCM分析大规模CNS数据集，团队能够探索不同神经退行性疾病的细胞异质性，并成功注释了观察到的和未观察到的CNS细胞亚型。这种方法有助于全面探索CNS疾病的因果关系。