Cell Genomics丨夏铮团队开发分布无关的跨平台和跨组学的细胞去卷积分析方法

本文介绍了夏铮教授团队在Cell Genomics期刊上发表的一项研究成果，提出了名为OmicsTweezer的创新性深度学习模型，用于实现跨平台、跨组学、分布无关的细胞反卷积分析。传统方法依赖特定分布假设或限于单一数据类型，而OmicsTweezer能统一处理多种组学数据，显著提升了解析肿瘤微环境和组织异质性的效率与精度。该模型通过深度学习与最优传输理论，构建了一个分布无关、统一适配多组学数据的细胞反卷积模型，有效缓解不同平台和数据来源之间的分布偏移。在TCGA前列腺癌和结直肠癌空间转录组数据中的应用表明，该模型具有出色的泛化能力和生物学解释力。