HiCat: a semi-supervised approach for cell type annotation
Notice bibliographique
Résumé
Existing cell type annotation methods face significant hurdles: supervised approaches often fail to differentiate between novel cell types not present in reference data, while unsupervised techniques can suffer from cluster impurity and difficulties in robustly distinguishing multiple distinct unknown cell populations. This critical gap motivated the development of HiCat, a semi-supervised pipeline specifically designed to overcome these limitations. HiCat is a semi-supervised pipeline that integrates both approaches, leveraging reference (labeled) and query (unlabeled) genomic data to simultaneously enhance annotation accuracy for known cell types and improve the discovery and differentiation of novel ones. HiCat follows a structured pipeline: (1) removing batch effects and generate a low-dimensional embedding; (2) nonlinear dimensionality reduction for capturing key patterns; (3) unsupervised clustering for proposing novel cell type candidates; (4) merging multi-resolution features from previous steps into a condensed feature space; (5) training a classifier on reference data for supervised annotation; and (6) resolving inconsistencies between supervised predictions and unsupervised clusters to finalize annotations, particularly for unseen types. Performance was evaluated across 10 public genomic datasets and perform a case study on a molecular cell atlas of the human lung. HiCat demonstrated superior performance in both known cell type classification and novel cell type identification. In benchmark evaluations, HiCat consistently outperformed existing methods, critically excelling in identifying and distinguishing multiple novel cell types. HiCat presents a robust framework for scRNA-seq cell annotation, improving classification accuracy and novel type identification. In addition, it provides a scalable and transferable solution for biomedical research, directly addressing key challenges in automated cell annotation.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,007 |
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 ».