单细胞RNA测序数据分析新方法

清华大学丘成桐数学科学中心丘成桐团队与新加坡国立大学统计与数据科学系姚志刚团队合作，提出一种名为scAMF（Single-Cell Analysis via Manifold Fitting）的创新算法（如图所示）。该算法通过流形拟合进行单细胞分析，旨在从根本上改变分析和理解单细胞数据的方式。scAMF把复杂的单细胞数据看作是由两部分组成的。一部分是有意义的信息结构（低维流形结构），另一部分是无用的干扰信息（环境噪声）。通过流形拟合，scAMF能够有效地提取出潜在的流形结构，保留关键的生物学信息。该方法首先对原始数据进行多种转换，然后利用共享最近邻度量和局部几何结构，自适应地拟合空间结构不同的流形，从而有效处理细胞类型间的复杂非线性关系。经过流形拟合之后，scAMF只需使用简单的聚类方法就可以获得高精度聚类结果。在处理复杂单细胞数据时，scAMF表现优异，在细胞识别的准确性、细胞可视化等方面均优于现有的单细胞分析方法，包括基于图的算法以及深度学习算法。

9月3日，相关研究成果以“通过流形拟合进行单细胞分析：一种用于RNA聚类及其展望的框架”（Single-Cell Analysis via Manifold Fitting: A Framework for RNA Clustering and Beyond）为题，发表于《美国国家科学院院刊》（Proceedings of the National Academy of Sciences of the United States of America，PNAS）。

新加坡国立大学教授姚志刚为该论文的第一作者，清华大学丘成桐数学科学中心教授丘成桐与姚志刚为论文通讯作者。论文所有作者贡献相当。研究得到新加坡教育部研究基金和清华大学丘成桐数学科学中心的支持。