UniVI-PBMC-Multiome
мультимодальная интеграция single-cell RNA и ATAC
3 min readupdated
Эта модель объединяет данные транскриптомики (RNA) и доступности хроматина (ATAC) одиночных клеток в общее латентное пространство размером 30. Чекпоинт обучен автором ashford-andrew на 9631 парной клетке из набора 10x PBMC Multiome в рамках фреймворка UniVI, использующего архитектуру MoE β-VAE (смесь экспертов на базе вариационного автоэнкодера без учителя). На выходе получаются объединённые латентные представления клеток для переноса аннотаций типов клеток и кросс-модального поиска, а также реконструкции признаков: лог-нормализованной экспрессии генов и вероятностей доступности пиков ATAC. В отличие от оригинального чекпоинта из научной публикации, это заново обученный референсный релиз с полной воспроизводимостью, тремя сидами и готовыми конфигами препроцессинга. Инструмент пригодится биоинформатикам, работающим с мультиомными single-cell данными в формате AnnData.
Ключевые особенности
- Две модальности в одном пространстве: энкодеры размерности [512, 256, 128] и декодеры [128, 256, 512] с латентным пространством 30 объединяют RNA (Gaussian-декодер) и бинарную доступность ATAC (Bernoulli-декодер).
- Обучение без учителя: разметка типов клеток не используется для супервизии VAE; выбор признаков (RNA HVG и частые пики ATAC) проводится строго на тренировочной выборке.
- Полная воспроизводимость: в репозиторий включены все 3 сида обучения, скрипт
load_example.py, готовые латентные координатыreference_latents.npzи файлpreprocessing.jsonбез необходимости использовать небезопасный pickle. - Интерактивный просмотрщик: для визуального изучения проекций UMAP доступен предрасчитанный Space
UniVI-Multiome-explorerна Hugging Face.
Что можно сделать
- Картировать новые клетки на референс: загрузить свои данные в формате AnnData (с неотрицательными целочисленными каунтами и нужным набором генов/пиков) и перенести метки типов клеток с помощью 15-NN по
reference_latents.npz. - Воспроизвести или адаптировать пайплайн: использовать
training_config.jsonи скрипты из папкиreproduction/для полного цикла подготовки данных, обучения и оценки на собственных мультиомных датасетах. - Сравнить методы интеграции: использовать готовые матрицы ошибок и метрики из
evaluation/metrics.csvкак прозрачный бейзлайн для оценки новых алгоритмов выравнивания модальностей.
Пример
Для инференса и маппинга новых запросов на референс используется формат AnnData с обязательным наличием всех генов и пиков, зафиксированных в preprocessing.json (отсутствующие признаки отклоняются), а также скрипт load_example.py. На отложенной тестовой выборке (10% от 9631 клеток PBMC) модель показывает точность переноса типов клеток по объединённым латентным координатам Fused query macro-F1 = 0.8873 и ошибку выравнивания модальностей RNA→ATAC FOSCTTM = 0.03782.
Подробнее
Метрики (seed 0, held-out test): RNA→ATAC FOSCTTM 0.03782, ATAC→RNA FOSCTTM 0.03602, RNA→ATAC Recall@10 0.4491, Fused macro-F1 0.8873, Fused ARI 0.4630, Fused NMI 0.7265.Параметры обучения: разбиение 80/10/10 по клеткам (не по донорам), до 400 эпох с patience 50 после 110 эпохи, лучший чекпоинт на 112 эпохе; beta=1.25, gamma=4.35, ATAC recon_weight=0.1.
Ограничения: модель не является клинически валидированной, не гарантирует генерализацию на новых доноров и не выдаёт сырые каунты RNA или фрагментов ATAC.
Лицензия: веса и производные результаты — CC BY 4.0, код UniVI и скрипты — MIT.










Comments