基于生成式对抗网络和自编码器的scRNA-seq数据降维算法研究.pdfVIP

摘要

摘要

基于生成式对抗网络和自编码器的scRNA-seq数据降维算法研

究

单细胞转录组测序（scRNA-seq）是近些年来出现的带来热潮的一项新技术，

它在单个细胞水平上对信使RNA（mRNA）来进行高通量测序。依据的原理是先

得到单个细胞中微量的转录组mRNA，这些单个细胞是从多细胞生物分离出来

的，再将高效扩增的技术处理应用到转录组mRNA中，处理后再对它们进行高

通量测序。单细胞测序能对单一细胞的基因组或者RNA进行测序，能单独提供

每个细胞的RNA表达谱。

单细胞RNA测序可以在异质细胞群中发现稀有细胞。肿瘤细胞异质性可能

是由于遗传物质的累积突变产生的，但相同肿瘤细胞在相同环境下也可能在基因

和蛋白表达水平上有差异，单细胞RNA测序给肿瘤细胞异质性研究和肿瘤耐药

性的产生研究带来极大便利。单细胞RNA-seq能够发现稀有细胞，极大的方便

了免疫学，遗传学，肿瘤学的研究。

降维是在对scRNA-seq数据进行聚类前的一个重要步骤，是处理scRNA-seq

数据的一个重要策略。scRNA-seq数据数据量大，而且每个细胞属性多，通过降

维可以有效剔除细胞中冗余无效的特征并实现在二维平面对细胞进行可视化。降

维是对高维度数据预处理的方法，将最开始高维空间中原始数据投射到低维度空

间中，同时最大化保留原始数据的关键属性。降维的目的是保留高维度数据最重

要最主要特征，并在映射过程中去除噪声和不重要的特征。

本文的主要研究内容有以下几点：

首先介绍了scRNA-seq的背景以及意义，并就当前单细胞测序里数据分析

领域的研究现状进行了描述，分析了当前对单细胞测序数据进行数据分析所需要

解决的难题和面临的挑战。

接着介绍了二代测序数据背景跟二代测序降维背景，介绍本文所提出模型所

使用的框架生成式对抗网络GAN(GenerativeAdversarialNetworks)和自编码器

AE(AutoEncoder)的起源和基本原理以及现在它的发展情况。接着深入分析了目

I

摘要

前单细胞测序数据处理领域经典和优秀的算法。详细介绍了处理scRNA-seq数

据的聚类算法K-means，将降维和聚类结合在一起的深度聚类算法DEC。详细介

绍了对单细胞RNA测序数据进行降维的t-SNE(t分布随机邻居嵌入)，

clusterGAN(聚类生成式对抗网络)，DRA(对抗性变分自动编码器的降维模型)。

然后，本文提出了一个新的基于生成式对抗网络和自编码器的scRNA-seq数

据算法模型，并把该模型命名为GAAE(GenerativeAdversarialAutoencoder

Networks)。GAAE模型创新点在于：1.与常规对单细胞RNA测序数据进行降维

的算法相比，GAAE用基于零膨胀负二项式ZINB自动编码器模型的损失函数和

MSE损失函数相结合代替传统的均方误差（MSE）损失函数，更好地给scRNA-

seq数据降噪。2.将运用到图像处理领域的GAN神经网络应用到生物信息单细胞

RNA测序数据处理领域。3.将变分自动编码器原理结合到GAAE里，旨在在执

行降维时提取数据特征，保留原始数据的全局跟局部特征。4.往编码器输入生成

式对抗网络生成器部分生成的数据去拟合自动编码器降噪后的数据，并把生成式

对抗网络生成的假数据跟真实测序数据一起训练，提高模型提取潜在特征能力。

5.在模型预训练好后，使用k-means算法聚类，得到初始化的潜在层降维数据和

初始化聚类中心后，借鉴k-means的思想，使用新的损失函数单独训练编码器部

分，使降维后的潜在层更好的实现细胞群的聚类。

最后，本文对选定的scRNA-seq数据进行处理，并将GAAE模型与目前对

scRNA-seq数据处理