摘要: 不依赖标记基因注释的细胞类型匹配算法,能够根据单细胞转录组数据识别单个细胞类型,对于探索复杂组织和器官的异质性具有重要意义,是单细胞数据分析中的重大挑战。已有算法准确性不高、稳定性不足、难以发现新的细胞类型。同济大学生命科学与技术学院刘琦教授团队利用前沿人工智能生物学技术,设计了基于度量学习(metric learning)的单细胞匹配算法scLearn,从海量数据中学习定量的测度和参数,从而准确识别单细胞的类型(2020年10月30日在线发表,doi:10.1126/sciadv.abd0855)。通过比较,scLearn的准确性优于同类算法,模型稳定性大为提高,且能够精准预测新的细胞类型。该研究为后续单细胞数据分析提供了全新的计算工具。