Genome Biol | 李亦学/刘俊伟/刘万泉团队发布单细胞数据整合新基准scIB-E
BioArtMED
2025-11-27 14:30
文章摘要
本研究针对单细胞数据整合领域存在的评估盲区,开发了新型基准框架scIB-E。背景方面,随着单细胞RNA测序技术的普及,如何有效整合不同来源数据并消除批次效应成为领域关键挑战。研究目的旨在系统评估16种深度学习整合方法,并解决现有基准无法评估细胞类型内部精细生物学变异保留的局限性。研究结论表明,联合使用批次和细胞类型信息的策略性能最优,但存在过度校正风险;团队提出的scIB-E框架通过引入细胞类型内生物学保留维度,结合新型Corr-MSE损失函数,能有效平衡批次校正与生物学细节保留,在多个真实数据集验证中展现出对精细生物学变异的卓越保留能力。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。