共享低维空间对齐细胞状态信息2026-08-03 09:11:51
早期整合是在特征矩阵层面直接合并不同组学数据，方法直观，但容易受到不同组学数据尺度、稀疏性和特征数量差异的影响；后期整合则是在各组学分别完成聚类、轨迹推断、差异分析或调控网络构建后，再比较不同组学结果之间的一致性和互补性，适合用于验证不同分子层级的共同趋势；中期整合应用较为广泛，通常先对不同组学数据分别进行质量控制、归一化和降维，再构建共享低维空间、联合邻近图或潜在因子模型，从而在细胞状态层面实现跨组学对齐，如多组学因子分析v2可通过因子分析从多组学数据中提取共同或特异的潜在变异来源；Seurat v4的加权最近邻方法可根据不同细胞中各组学数据的相对信息量构建联合邻近图；对于非配对的scRNA-seq与scATAC-seq等数据，图关联统一嵌入方法则通过引入基因组调控关系先验，将不同组学特征映射至共同低维空间，并进一步推断跨组学调控关联。而在具体分析中，不同组学数据之间的稀疏性、测量尺度和批次效应是影响整合结果可靠性的主要因素。scRNA-seq常受转录本捕获效率和掉落事件影响，scATAC-seq数据通常更加稀疏，且峰开放信号与基因表达之间并不存在简单一一对应关系；蛋白质组、代谢组和空间组学数据又具有不同的动态范围、背景噪声和空间分辨率限制。因此，整合分析前需要针对不同数据类型分别进行质量控制和归一化，将不同组学信息转化为可比较的生物学层级。
同时，批次效应可能来自样本处理、细胞解离、建库平台和测序深度等多个方面，整合过程中既要校正技术噪声，也要避免某一信息量更高或噪声更低的组学模态在整合结果中占据主导导致真实生物学差异被削弱。对于HSCs研究而言，这一点尤为重要，因为HSCs及多能祖细胞数量稀少、状态连续且差异细微，过度整合或批次效应校正可能掩盖具有功能意义的静息状态、谱系偏向或疾病相关亚群。
出自《单细胞多组学技术在造血干细胞研究中的应用与进展》作者张奕扬，董芳。
上一篇： 肺源外泌体调控HSCs自我更新
下一篇： 单细胞多模态整合拓展研究范式
