287-scArches：单细胞数据迁移学习与参考图谱构建

这篇文章介绍了一种名为 scArches（单细胞架构手术）的深度学习策略，用于将新的单细胞数据集高效地映射到现有的大型参考图谱上。该方法利用迁移学习（transfer learning, TL）和参数优化，通过添加“适配器”输入节点和少量权重来更新预训练的神经网络模型，从而实现去中心化、迭代式参考构建，无需共享原始数据。文章指出，传统数据整合方法在处理不同实验室协议引起的批次效应和受限的计算资源时面临挑战，而 scArches 通过极大地减少需训练的参数，在去除批次效应的同时保留了生物学变异信息。研究通过对小鼠脑、胰腺、免疫细胞以及COVID-19数据集的应用展示了 scArches 在标签转移、数据归因 和 疾病状态背景化方面的能力，使其成为一种快速且可扩展的单细胞组学数据分析工具。

References:

• Lotfollahi M, Naghipourfar M, Luecken M D, et al. Mapping single-cell data to reference atlases by transfer learning[J]. Nature biotechnology, 2022, 40(1): 121-130.