山东大学团队提出基于异构图 Transformer 的单细胞生物网络推理

关注 ScienceAI 并设为星标

第一时间掌握

新鲜的 AI for Science 资讯

编辑 | 绿萝

单细胞多组学 (scMulti-omics) 技术允许同时量化多种模态，以捕捉复杂分子机制和细胞异质性的复杂性。现有工具无法有效地推断出不同细胞类型中 active 生物网络以及这些网络对外部刺激的反应。

在此，来自山东大学参与的多机构研究团队，开发了基于深度学习的单细胞数据多组学分析平台：DeepMAPS，用于从 scMulti-omics 进行生物网络推理。DeepMAPS 在异构图中对 scMulti-omics 进行建模，并使用多头图（multi-head graph）Transformer 以稳健的方式学习局部和全局上下文中的细胞和基因之间的关系。

通过构建包含细胞和基因的异构图，DeepMAPS 可以同时识别它们的联合嵌入，并能够在完整框架中推断特定于细胞类型的生物网络以及细胞类型。此外，异构图 Transformer 的应用以可解释的统一多关系对细胞-基因关系进行建模。通过这种方式，可以大大缩短图中的训练和学习过程，以考虑更远距离的细胞影响。

该研究以「Single-cell biological network inference using a heterogeneous graph transformer」为题，于 2023 年 2 月 21 日发布在《Nature Communications》 上。

论文