深度学习工具ScVital能够实现物种无关的癌细胞状态整合

基因工程小鼠模型（GEMM）对于探索人类肿瘤的发展和生物学组成很有用。单细胞RNA测序（scRNA-seq）提供了癌症的转录组快照，以在免疫活性背景下探索细胞状态的异质性。然而，跨物种比较常常受到生物学批次效应的影响，物种间的固有差异降低了可以从这些模型中获得的生物学见解信号。在本研究中，我们开发了scVital，一种计算工具，它使用变分自编码器和判别器将scRNA-seq数据嵌入到物种无关的潜在空间中，以克服批次效应并识别物种间共享的细胞状态。此外，潜在空间相似性评分作为新指标被同步开发，通过利用预标记的簇进行评分来评估批次校正准确性，而不是当前创建新簇的方法。使用潜在空间相似性进行量化，scVital与其他深度学习算法相比表现相当，并快速高保真地整合了跨物种的正常组织scRNA-seq数据。当scVital应用于来自GEMM和原发性患者样本的胰腺导管腺癌或肺腺癌数据时，scVital准确对齐了生物学相似的细胞状态。在未分化多形性肉瘤中，这是一个对小鼠和人类细胞状态一致性无先验知识的测试案例，scVital识别出一种以前未知的细胞状态，该状态在化疗后持续存在，并由GEMM和人类患者来源的异种移植瘤共享。这些发现确立了scVital在识别跨物种保守细胞状态方面的实用性，以增强小鼠模型的转化能力。