​Genome Biol | 丁俊/吴昊合作开发深度生成模型，用于统一单细胞多组学数据，实现无缝集成、跨模态生成和计算模拟探索

文章预览

单细胞测序技术的引入标志着生物研究的新时代，使科学家能够以前所未有的细节分析细胞异质性。这一突破揭示了复杂的细胞动态，并在癌症生物学、神经生物学和药物发现等领域产生了深远的影响。然而，这些技术产生的数据通常极为复杂和多样化，导致许多现有计算工具仅能处理有限的分析任务。 有效集成单细胞多组学数据仍然是该领域的一项重大挑战。许多现有方法依赖于匹配的多组学数据集，而这些数据集通常难以获取，从而限制了分析的范围。这些限制导致了未匹配数据的集成不足，并在处理噪声和信息丢失上面临困难。即使是旨在处理多数据模态的方法，也面临提取跨模态共同特征和管理非线性转换等持续挑战。不同组学数据类型的可用性不平衡进一步加剧了这一问题，例如，单细胞表观基因组学数据的获取难度远高于转录组学数 ………………………………