基于扩散模型的单细胞转录组数据生成与差异表达基因挖掘研究综述.docVIP

基于扩散模型的单细胞转录组数据生成与差异表达基因挖掘研究综述

一、扩散模型的技术原理与单细胞转录组学的适配性基础

扩散模型的核心逻辑源于非平衡热力学中的扩散过程，通过逐步向原始数据中添加高斯噪声构建前向扩散链，再学习反向去噪过程实现从随机噪声到真实数据分布的还原。对于单细胞转录组数据而言，其固有的高维、稀疏、异质性特征与扩散模型的分布拟合能力形成天然适配：一方面，单细胞RNA测序（scRNA-seq）产生的表达矩阵通常包含数万个基因维度、零值占比可达90%以上，传统生成对抗网络（GAN）易出现模式崩溃，变分自编码器（VAE）生成数据模糊度较高，而扩散模型的多步去噪机制能够在保留高维特征细节的同时避免模式坍塌；另一方面，扩散过程的噪声注入逻辑与单细胞转录组的技术噪声特性高度吻合，测序过程中的扩增偏差、捕获效率波动等随机误差可被建模为扩散过程的噪声项，使模型能够学习到更贴近生物真实的表达分布。

当前针对单细胞转录组优化的扩散模型主要分为三类：第一类是离散型扩散模型，针对基因表达的计数特性，将高斯噪声替换为泊松或负二项分布噪声，例如scDiffusion模型通过引入负二项扩散核，使生成的表达谱计数特征与真实测序数据的统计分布一致，在PBMC数据集上生成数据的基因表达中位数误差较传统高斯扩散模型降低47%；第二类是条件引导扩散模型，通过引入细胞类型、分化阶段等条件信息，实现定向生成特定细胞