scMamba：用于神经退行性疾病单核 RNA 测序分析的预训练模型
基因组学
2025-02-28 v1 机器学习
摘要
单核 RNA 测序（snRNA-seq）极大地推进了我们对神经退行性疾病病因的理解。然而，来自死后脑组织的样本质量较低，加之疾病异质性引起的高变异性，使得整合多个来源的 snRNA-seq 数据进行精确分析面临挑战。为应对这些挑战，我们提出了 scMamba，一个旨在提升 snRNA-seq 分析质量与实用性的预训练模型，特别聚焦于神经退行性疾病。借鉴近期提出的 Mamba 模型，scMamba 引入了一种新型架构，包含线性适配器层、基因嵌入和双向 Mamba 模块，能够在保留原始输入信息的同时高效处理 snRNA-seq 数据。值得注意的是，scMamba 通过在 snRNA-seq 数据上进行预训练来学习细胞和基因的通用特征，不依赖于降维或高变基因的选择。我们证明，scMamba 在多种下游任务中优于基准方法，包括细胞类型注释、双细胞检测、基因表达填补以及差异表达基因的识别。
引用
@article{arxiv.2502.19429,
title = {scMamba: A Pre-Trained Model for Single-Nucleus RNA Sequencing Analysis in Neurodegenerative Disorders},
author = {Gyutaek Oh and Baekgyu Choi and Seyoung Jin and Inkyung Jung and Jong Chul Ye},
journal= {arXiv preprint arXiv:2502.19429},
year = {2025}
}
备注
41 pages, 12 figures