变分因子分析：一种基于深度生成模型的单细胞转录组数据因子分析方法

作者：刘润燕; 安思静; 胡朔枫; 陈垚文; 董国华; 门雅惠; 何振^*; 应晓敏^*

来源：军事医学, 2022, 46(09): 699-714.

• 因子分析
• 单细胞转录组
• 深度学习
• 变分自编码器

目的 提出一种基于深度生成模型的单细胞转录组数据因子分析方法，并通过从细胞和基因两个层面探索生物异质性来解释模型结果。方法 采用深度生成网络，构建面向单细胞转录组数据因子分析的深度生成模型，用小鼠胚胎发育细胞转录组数据训练模型，对结果进行细胞类型注释、因子及载荷可视化等下游生物学分析。结果 该模型实现了单细胞转录组数据的降维并同时保留了异质性，通过因子识别了不同细胞类型之间的特征，通过载荷鉴定出细胞特异性基因。结论 基于深度生成模型构建的因子分析方法具有更好的可解释性，能从信息复杂、具有错综关系的单细胞转录组数据中提取代表性信息，并从不同层面解析其生物学含义，为单细胞数据分析开拓了新思路。