基因搬运距离：基于最优传输的单细胞相似性度量

本文提出基因搬运距离（Gene Mover's Distance），一种基于通过单细胞 RNA 测序获得的基因表达谱的细胞对间相似性度量。所提距离的核心思想是将单细胞的基因表达阵列解释为离散概率测度。因此，两个细胞间的距离通过求解两个对应离散测度之间的最优传输问题计算。在最优传输模型中，我们使用两类代价函数度量基因对间距离。第一类代价函数利用称为 gene2vec 的基因嵌入，将每个基因映射为高维向量：将基因表达单位质量从一基因移至另一基因的代价设为对应嵌入向量间的欧氏距离。第二类代价函数基于基因对间的皮尔逊距离。在这两类代价函数中，两个基因相关性越高，其距离越小。我们利用基因搬运距离解决两类分类问题：按细胞状态与按细胞类型分类。为评估新度量的影响，我们比较了使用不同距离的 $k$ 近邻分类器性能。计算结果表明，基因搬运距离与文献中最先进的（SOTA）距离具有竞争力。