用可扩展 GPLVM 建模 scRNA-seq 数据中的技术与生物效应
机器学习
2022-11-08 v2 基因组学
应用统计
机器学习
摘要
单细胞 RNA-seq 数据集在规模与复杂度上不断增长，使得在各种生物/临床背景下研究细胞组成变化成为可能。亟需可扩展的降维技术以解离其中的生物变异，同时考量技术与生物混杂因素。本工作中，我们扩展了用于概率非线性降维的流行方法——高斯过程潜变量模型，使其可扩展到海量单细胞数据集，同时显式考量技术与生物混杂因素。核心思想是使用一种增广核，其保持下界的可分解性，从而实现快速随机变分推断。我们展示了其以 9 倍更短训练时间重建 Kumasaka 等人（2021）所得先天免疫潜特征的能力。我们进一步分析了一个 COVID 数据集，并在 130 人的队列中证明该框架可实现数据整合，同时捕获可解释的感染特征。具体而言，我们将 COVID 严重程度作为潜维度以优化患者分层并捕获疾病特异性基因表达。
引用
@article{arxiv.2209.06716,
title = {Modelling Technical and Biological Effects in scRNA-seq data with Scalable GPLVMs},
author = {Vidhi Lalchand and Aditya Ravuri and Emma Dann and Natsuhiko Kumasaka and Dinithi Sumanaweera and Rik G. H. Lindeboom and Shaista Madad and Sarah A. Teichmann and Neil D. Lawrence},
journal= {arXiv preprint arXiv:2209.06716},
year = {2022}
}
备注
Machine Learning and Computational Biology Symposium (Oral), 2022