用于单细胞RNA-seq分析的层次化层谱嵌入框架
机器学习
2026-03-31 v1 谱理论
基因组学
机器学习
摘要
单细胞RNA-seq数据分析通常需要能够捕捉跨多个尺度的异质性局部结构同时保持稳定性和可解释性的表示。在这项工作中，我们提出了一种层次化层谱嵌入（HSSE）框架，基于持久层拉普拉斯分析构建信息丰富的细胞级特征。从尺度依赖的低维嵌入出发，我们在多个分辨率下定义以细胞为中心的局部邻域。对于每个局部邻域，我们构建一个数据驱动的细胞层来编码细胞间的局部关系。然后我们在采样过滤区间上计算持久层拉普拉斯并提取谱统计量，以总结局部关系结构跨尺度的演化。这些谱描述符被聚合为每个细胞的统一特征向量，可直接用于下游学习任务而无需额外模型训练。我们在12个基准单细胞RNA-seq数据集上评估HSSE，涵盖多样化的生物系统和数据尺度。在一致的分类协议下，HSSE在多个评估指标上取得了与现有多尺度和经典嵌入方法相比具有竞争力或更优的性能。结果表明，层谱表示为单细胞RNA-seq数据表示学习提供了一种稳健且可解释的方法。
引用
@article{arxiv.2603.26858,
title = {A Hierarchical Sheaf Spectral Embedding Framework for Single-Cell RNA-seq Analysis},
author = {Xiang Xiang Wang and Guo-Wei We},
journal= {arXiv preprint arXiv:2603.26858},
year = {2026}
}