作為細胞異質性研究的重要工具，單細胞轉錄組測序技術近年來蓬勃發(fā)展，并積累了大量研究數據。若能有效利用現有的單細胞數據進行檢索與推斷，研究者便能更好地進行新測序單細胞的注釋，以及綜合多數據集的研究。然而，精確的單細胞轉錄組數據檢索和注釋需要克服兩個挑戰(zhàn)：一、數據集之間的批次效應（batch effect）會顯著影響細胞檢索的可靠性；二、目前缺少跨物種和平臺、具有高質量注釋的單細胞轉錄組數據庫。

日前，北京大學生物醫(yī)學前沿創(chuàng)新中心（BIOPIC）、北京未來基因高精尖創(chuàng)新中心（ICG）、北京大學生命科學學院生物信息中心（CBI）、蛋白質與植物基因研究國家重點實驗室的高歌課題組，在期刊Nature Communications上發(fā)表了題為“Searching large-scale scRNA-seq databases via unbiased cell embedding with Cell BLAST”的論文，發(fā)布了基于深度學習模型的單細胞轉錄組數據檢索和注釋的新方法Cell BLAST，以及具備高質量注釋的單細胞轉錄組參考數據庫ACA，為有效利用現有數據進行細胞注釋和跨數據集研究提供了新的工具和資源。

Cell BLAST使用對抗自編碼器（Adversarial Autoencoder）進行轉錄組數據降維，利用對抗學習策略來消除數據集間的批次效應，取得了優(yōu)于當前其他同類工具的效果。此外作者基于該模型提出了一個新的、更為準確的細胞相似性度量用于細胞檢索，在設計上考慮了單細胞轉錄組觀測本身所具有的不確定性。

除了可以用于細胞類型鑒定，Cell BLAST能靈敏地發(fā)現參考數據集中不存在的、未知的細胞類型（圖 a-c）；此外，作者用一系列造血分化的數據集驗證了Cell BLAST還能用于注釋連續(xù)細胞狀態(tài)（圖 d-f）。

通過收集大量已發(fā)表的單細胞轉錄組數據，作者建立了一個涵蓋2，989，582個單細胞、8個物種、27個不同的組織器官的數據庫，稱為Animal Cell Atlas (ACA)（圖 g-h）。作者對ACA中的細胞注釋進行了詳細的整理，并使用Cell Ontology構建了一套結構化的細胞類型標注，用于統(tǒng)一不同數據集中的標注以及支持細胞類型的推斷。

Cell BLAST的應用和ACA數據庫

該課題提供了在線檢索平臺，用戶可以直接上傳待注釋的單細胞轉錄組數據，用ACA中的參考數據集進行細胞檢索和自動注釋；同時也提供了Python包Cell BLAST，用戶可以使用包在自定義的參考數據集上進行模型訓練、檢索和定

制化分析。(100yiyao.com）

醫(yī)藥網新聞