Monju：单细胞组学中的多准则聚类

聚类是单细胞组学分析中的一个基础步骤。尽管单细胞组学数据原则上可以依据多种具有生物学意义的标准进行划分，但现有方法通常仅依据单一标准对细胞进行聚类。为了解决这一问题，我们开发了 Monju，这是一种基于深度生成混合模型的多标准聚类方法。Monju 将细胞划分为生物学上合理的子模型，每个子模型都配备了一个具有可解释性的潜在空间。此外，尽管细胞划分到子模型中的方式会随着随机种子的不同而变化，但每一种解都仍然具有生物学合理性，从而共同实现多标准聚类。进一步地，通过整合这些多种聚类解并进行元聚类，Monju 能够评估聚类的稳定性。我们将 Monju 应用于人外周血 CITE-seq 数据，并证明其能够实现多标准聚类。因此，Monju 为从多种生物学视角解析细胞异质性提供了一个强大且实用的框架。

聚类是单细胞组学分析中的一个基础步骤。尽管单细胞组学数据原则上可以根据多种具有生物学意义的标准进行划分，但现有方法通常仅依据单一标准对细胞进行聚类。为了解决这一问题，我们开发了 Monju，一种基于深度生成混合模型的多标准聚类方法。Monju 将细胞划分为在生物学上合理的子模型，每个子模型都配备有可解释的潜在空间。此外，尽管细胞划分到子模型中的结果会随着随机种子的不同而变化，但每一种解都在生物学上具有合理性，从而共同实现多标准聚类。此外，通过整合这些多种聚类解并执行元聚类，Monju 还能够评估聚类的稳定性。我们将 Monju 应用于人外周血 CITE-seq 数据，并证明了其能够实现多标准聚类。因此，Monju 为从多个生物学视角解析细胞异质性提供了一个强大且实用的框架。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.28.728427v1?rss=1

🏷️ 单细胞组学 多准则聚类 深度生成模型 CITE-seq 细胞异质性