BatchRefiner：通过集成精炼快速显著提升单细胞嵌入的批次整合效果

内容形式：摘要译文

单细胞 RNA 测序（scRNA-seq）和转座酶可及染色质分析（scATAC-seq）数据具有高维、稀疏等特点，而且往往会捕获不同实验或批次之间不理想的技术变异。因此，许多分析方法致力于生成低维的细胞-特征嵌入空间，使不同批次中生物学特征相似的细胞聚集，同时使不相似的细胞彼此远离。在此，我们借鉴统计机器学习中的集成方法，提出一种用于 scRNA-seq 和 scATAC-seq 嵌入的集成细化方法，并开发了 BatchRefiner——一种快速的后处理工具，用于增强批次整合效果。我们在广泛的各类数据集上，对广泛使用的 scRNA-seq 嵌入方法进行全面基准评测，评估其批次整合能力和生物学信息保留情况，并比较加入 BatchRefiner 前后的表现。我们进一步扩展这些基准评测方法，首次对 scATAC-seq 嵌入方法的批次整合能力进行全面评测，其中也包括 BatchRefiner。值得注意的是，我们对一种显著性统计量进行了形式化定义，并利用该统计量证明，BatchRefiner 在多种嵌入方法、大规模图谱数据集及公认指标上，均能显著提升批次整合效果。

关键词：单细胞测序 · 批次效应校正 · 嵌入学习 · scRNA-seq · scATAC-seq · 集成方法

原文链接：https://www.biorxiv.org/content/10.64898/2026.08.21.746347v1?rss=1