グラフリンク埋め込みによるマルチオミクス単一細胞データの統合と調節の推定

単一細胞の多層オミクス測定を同時に行う実験方法が登場しているが、大多数の単一細胞データセットには1つのモダリティーしか含まれていない。多層オミクスデータの統合では、異なるオミクス層に概して別個の特徴空間が存在することが大きな課題となっている。本論文では、オミクス層間の調節相互作用を明確にモデル化することによってギャップを埋める電算的枠組みGLUE（graph-linked unified embedding）を提案する。体系的なベンチマーク評価を行って最先端のツールと比較すると、GLUEは不均一な単一細胞マルチオミクスデータに関して正確性、頑健性、および拡張性に優れることが実証された。我々は、トリプルオミクス統合や統合的な調節推定、数百万個以上の細胞のマルチオミクスヒト細胞アトラスの構築など、難易度の高い諸課題にGLUEを応用し、細胞アトラスでは過去のアノテーションを修正することができた。GLUEは、新しい解析タスクのために柔軟に拡張して強化することができるモジュール式の設計を特徴とする。GLUEの全パッケージはhttps://github.com/gao-lab/GLUEで入手可能である。