タンパク質の埋め込みと伝達学習を使用して種間で一致する細胞型

動機：細胞タイプ間の関係を知ることは、マウスから人間に実験結果を翻訳するために重要です。ただし、細胞型の一致を確立することは、種間の生物学的な違いによって妨げられます。種の整列に使用できる遺伝子間のかなりの量の進化情報は、1対1のオーソロガス遺伝子のみを使用するため、現在の方法のほとんどによって破棄されます。いくつかの方法は、警告なしではなく、遺伝子間の関係を明示的に含めることにより、情報を保持しようとします。 結果：この作業では、異種分析（戦術）で細胞タイプを転送および整列するモデルを提示します。まず、戦術は自然言語処理モデルを使用して、タンパク質配列を使用して遺伝子を一致させます。次に、戦術はニューラルネットワークを採用して、種内の細胞タイプを分類します。その後、Tacticsは転送学習を使用して、種間で細胞型ラベルを伝播します。ヒト、マウス、およびマルモセットの一次運動皮質のSCRNA-seqデータに戦術を適用しました。私たちのモデルは、これらのデータセットでセルタイプを正確に一致させて整列させることができます。さらに、私たちのモデルは、Seuratと最先端の方法Samapよりも優れています。最後に、遺伝子マッチング方法により、モデルの爆発よりも細胞型の一致が優れていることが示されます。 可用性と実装：実装はGithub（https://github.com/kbiharie/tactics）で利用できます。Zenodo（https://doi.org/10.5281/zenodo.7582460）から、前処理されたデータセットと訓練されたモデルをダウンロードできます。

MOTIVATION: Knowing the relation between cell types is crucial for translating experimental results from mice to humans. Establishing cell type matches, however, is hindered by the biological differences between the species. A substantial amount of evolutionary information between genes that could be used to align the species is discarded by most of the current methods since they only use one-to-one orthologous genes. Some methods try to retain the information by explicitly including the relation between genes, however, not without caveats. RESULTS: In this work, we present a model to transfer and align cell types in cross-species analysis (TACTiCS). First, TACTiCS uses a natural language processing model to match genes using their protein sequences. Next, TACTiCS employs a neural network to classify cell types within a species. Afterward, TACTiCS uses transfer learning to propagate cell type labels between species. We applied TACTiCS on scRNA-seq data of the primary motor cortex of human, mouse, and marmoset. Our model can accurately match and align cell types on these datasets. Moreover, our model outperforms Seurat and the state-of-the-art method SAMap. Finally, we show that our gene matching method results in better cell type matches than BLAST in our model. AVAILABILITY AND IMPLEMENTATION: The implementation is available on GitHub (https://github.com/kbiharie/TACTiCS). The preprocessed datasets and trained models can be downloaded from Zenodo (https://doi.org/10.5281/zenodo.7582460).