论文标题：A comparison of integration methods for single-cell RNA sequencing data and ATAC sequencing data

期刊：Quantitative Biology

作者：Yulong Kan, Weihao Wang, Yunjing Qi, Zhongxiao Zhang, Xikeng Liang, Shuilin Jin

发表时间：15 Jun 2025

DOI：10.1002/qub2.91

微信链接：点击此处阅读微信文章

随着单细胞多组学（single-cell multi-omics）技术的快速发展，同一细胞或同一样本中同时测定转录组（scRNA-seq）与染色质可及性（scATAC-seq）已成为解析基因调控网络与细胞命运决定的重要策略。然而，两类数据在统计分布、稀疏程度、特征空间及批次效应等方面存在显著异质性，给计算整合带来极大挑战。

近期，哈尔滨工业大学靳水林教授团队在Quantitative Biology期刊上发表了一篇题目名为“A comparison of integration methods for single-cell RNA sequencing data and ATAC sequencing data”的综述文章，对目前16种主流整合算法进行学术化梳理，重点阐述其模型假设、数学框架、适用场景及性能差异，为未来实验设计与方法选型提供理论依据。

全文概要

本文首先展示了scRNA-seq和scATAC-seq整合分析的通用流程（如下图），随后系统综述并基准比较了16种单细胞转录组（scRNA-seq）与染色质可及性（scATAC-seq）数据整合算法，围绕“配对-非配对”双场景展开。

作者将整合任务数学化为：配对数据要求细胞级一一映射，以联合潜变量提升状态识别；非配对数据需在共享潜空间建立跨模态对应，实现标签迁移与协同聚类。据此，算法被归纳为因子分析（MOFA+）、加权近邻（Seurat v4）、深度循环注意力（DCCA）、对抗VAE（DAVAE）、最优传输（uniPort）及图卷积迁移（scGCN）等六大框架，并给出模型假设、复杂度与可扩展性指标。表1—表6系统比较了配对数据与非配对数据分析时常用的方法及这些方法的特点。

此外，作者基于mouse kidney、SNARE-seq、mouse atlas和human fetal atlas四项金标准数据集，通过UMAP可视化与ARI、NMI、Silhouette、transfer accuracy四项量化指标进行双证据评估。结果显示：在配对场景下，深度非线性模型（scAI、DCCA）对30+亚群的高异质性肾脏组织表现最优，ARI达0.93，显著优于线性MOFA+和Seurat v4；在非配对场景中，基于迁移学习的scJoint与图卷积的scGCN在10?细胞规模保持ARI>0.90，而uniPort以O(n) GPU线性加速在32万细胞0.18 h内实现ARI=0.88，展现精度-效率前沿优势。

最后，作者指出百万细胞级别需开发线性复杂度近似算法，稀有亚群与模态特异细胞需引入非对称生成或层级贝叶斯先验，并结合转录因子绑定等网络先验以提升调控关系可解释性。本文为单细胞多组学整合提供了系统的模型选型与性能参考，强调深度生成模型与最优传输理论在未来大规模、高分辨率分析中的核心地位。

QB期刊介绍

Quantitative Biology （QB）期刊是由清华大学、北京大学、高教出版社联合创办的全英文学术期刊。QB主要刊登生物信息学、计算生物学、系统生物学、理论生物学和合成生物学的最新研究成果和前沿进展，并为生命科学与计算机、数学、物理等交叉研究领域打造一个学术水平高、可读性强、具有全球影响力的交叉学科期刊品牌。

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn