scMUSCL: Multi-Source Transfer Learning for Clustering scRNA-seq Data
Notice bibliographique
Résumé
Abstract Motivation scRNA-seq analysis relies heavily on single-cell clustering to perform many downstream functions. Several machine learning methods have been proposed to improve the clustering of single cells, yet most of these methods are fully unsupervised and ignore the wealth of publicly available annotated datasets from single-cell experiments. Cells are high-dimensional entities, and unsupervised clustering might find clusters without biological meaning. Exploiting relevant annotated scRNA-seq dataset as the learning reference can provide an algorithm with the knowledge that guides it to better estimate the number of clusters and find meaningful clusters in the target dataset. Results In this paper, we propose Single Cell MUlti-Source CLustering, scMUSCL, a novel transfer learning method for finding clusters of cells in a target dataset by transferring knowledge from multiple annotated source (reference) datasets. scMUSCL relies on a deep neural network to extract domain and batch invariant cell representations, and it effectively addresses discrepancies across multiple source datasets and between source and target datasets in the new representation space. Unlike existing methods, scMUSCL does not need to know the number of clusters in the target dataset in advance and it does not require batch correction between source and target datasets. We conduct extensive experiments using 20 real-life datasets and show that scMUSCL outperforms the existing unsupervised and transfer-learning-based methods in almost all experiments. In particular, we show that scMUSCL outperforms the state-of-the-art transfer-learning-based scRNA-seq clustering method, MARS, by a large margin. Availability The Python implementation of scMUSCL is available at https://github.com/arashkhoeini/scMUSCL
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».