Subset-Contrastive Multi-Omics Network Embedding

要約

動機：OMICSデータのネットワークベースの分析は広く使用されており、これらの方法の多くはシングルセルシナリオに適合していますが、多くの場合、メモリとスペース集約型のままです。
その結果、それらはバッチデータまたはより小さなデータセットにより適しています。
さらに、マルチオミクスにおけるネットワークベースの方法の適用は、しばしば構造的に分割されたトポロジを欠いている類似性ベースのネットワークに依存しています。
この制限により、定義された構造を備えたトポロジ向けに最初に設計されたグラフベースの方法の有効性が低下する可能性があります。
結果：スケーラブルなサブグラフ対照的アプローチを介して大規模なデータセットで対照的な学習技術を採用する方法である、サブセット制御マルチオミクスネットワークエンミング（SCONE）を提案します。
多くのネットワークベースのOMICSメソッドのペアワイズの類似性の基礎を活用することにより、この特性を強度に変換し、スケーラブルで効果的な分析を実現することを目的とするアプローチを開発しました。
私たちの方法は、シングルセルデータでのセルタイプクラスタリングの相乗的なOMICS統合を示しています。
さらに、元のデータの限られたビューを利用しているにもかかわらず、Sconeが最先端に匹敵するパフォーマンスを実行するバルクマルチオミクス統合シナリオでのパフォーマンスを評価します。
私たちの調査結果は、OMICSデータのサブセット対照的な方法の使用に関するさらなる研究を動機付けると予想しています。

要約(オリジナル)

Motivation: Network-based analyses of omics data are widely used, and while many of these methods have been adapted to single-cell scenarios, they often remain memory- and space-intensive. As a result, they are better suited to batch data or smaller datasets. Furthermore, the application of network-based methods in multi-omics often relies on similarity-based networks, which lack structurally-discrete topologies. This limitation may reduce the effectiveness of graph-based methods that were initially designed for topologies with better defined structures. Results: We propose Subset-Contrastive multi-Omics Network Embedding (SCONE), a method that employs contrastive learning techniques on large datasets through a scalable subgraph contrastive approach. By exploiting the pairwise similarity basis of many network-based omics methods, we transformed this characteristic into a strength, developing an approach that aims to achieve scalable and effective analysis. Our method demonstrates synergistic omics integration for cell type clustering in single-cell data. Additionally, we evaluate its performance in a bulk multi-omics integration scenario, where SCONE performs comparable to the state-of-the-art despite utilising limited views of the original data. We anticipate that our findings will motivate further research into the use of subset contrastive methods for omics data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google