新加坡国立大学的研究人员公布了一种分析单细胞 RNA 测序 (scRNA-seq) 数据的新方法。这种方法有望提高数据解释的准确性和速度，有可能加速包括癌症和阿尔茨海默病研究在内的众多生物医学研究领域的进展。

该创新框架被称为 scAMF(通过流形拟合进行单细胞分析)，是由新加坡国立大学理学院统计与数据科学系副教授姚志刚领导的科学家团队开发的。

该框架采用先进的数学技术，在测量基因表达数据的高维空间中拟合低维流形。通过这样做，scAMF 可以有效降低噪音，同时保留关键的生物信息。这可以更准确地表征细胞类型和状态。

这项研究是与清华大学丘成桐教授合作完成的。他们的研究成果已于2024 年 9 月 3 日发表在《美国国家科学院院刊》上。

利用流形拟合技术克服数据分析中的障碍

单细胞 RNA 测序已成为基因组研究的重要工具，为了解细胞多样性和疾病机制提供了前所未有的见解。然而，scRNA-seq 数据中固有的噪声(由生物变异和技术错误引起)长期以来一直对准确分析构成挑战。

传统的 scRNA-seq 分析方法，包括基因组归纳方法、基于图的方法和基于深度学习的算法，由于固有的噪声，通常难以准确表征细胞关系。