scShapeBench：从高维单细胞 RNA 测序数据中发现几何结构
机器学习
2026-05-14 v1 基因组学
摘要
高维点云数据在众多科学领域中出现，特别是单细胞生物学。这些数据集的形状或拓扑结构决定了可以提取的信息类型。例如，聚类数据支持细胞类型识别，轨迹结构支持转换分析，原型结构捕获细胞行为的连续体。现有分析管道常常假设特定的形状。标准Seurat管道结合UMAP可视化与Louvain聚类，从而假设聚类数据，而诸如Monocle和SPADE等工具则假设树状结构，基于流的模型如MIOFlow和Conditional Flow Matching则针对轨迹。因此，选择使用哪个管道通常由生物信息学家在视觉检查数据集后决定。随着拟人化AI科学家的兴起，自动化形状检测对于选择下游分析管道变得越来越重要。为解决此问题，我们引入scShapeBench，一个用于形状检测的基准数据集，包含合成数据和专家标注的单细胞数据集。合成数据从控制方差的真实骨架图中抽样。真实单细胞数据来自多样来源并由专家标注为四个类别：聚类、单轨迹、多分支和原型。我们此外引入scReebTower，一种基线方法，使用扩散几何提取Reeb图并将可视化与管道选择关联。我们提供拓扑感知的评估指标并将scReebTower与PAGA和Mapper在合成和真实数据上进行比较。我们的结果表明，scReebTower在现有基线方法中性能优于。总体而言，我们的贡献涵盖基准、评估指标以及单细胞数据自动化形状检测的基线方法。
关键词
引用
@article{arxiv.2605.12662,
title = {scShapeBench: Discovering geometry from high dimensional scRNAseq data},
author = {Andrew J Steindl and João Felipe Rocha and Brian Tshilengi Di Bassinga and Zachary Warren and Matthew Scicluna and César Miguel Valdez Córdova and Shabarni Gupta and Leire Torices and Daniel Neumann and Timothy J. Mann and Ihuan Gunawan and Dhananjay Bhaskar and John G Lock and Christine L Chaffer and Guy Wolf and Smita Krishnaswamy},
journal= {arXiv preprint arXiv:2605.12662},
year = {2026}
}