论文阅读：scDAC: deep adaptive clustering of single-cell transcriptomic data with coupled autoencoder--

论文地址：scDAC: deep adaptive clustering of single-cell transcriptomic data with coupled autoencoder and Dirichlet process mixture model | Bioinformatics | Oxford Academic

代码地址：https://github.com/labomics/scDAC

---

动机： 单细胞RNA测序（scRNA-seq）数据的聚类分析是揭示细胞异质性的关键步骤。为了从scRNA-seq数据中发现异质性细胞类型，已有许多聚类方法被提出。然而，如何在大规模scRNA-seq数据中实现适应性聚类，并准确反映内在生物学特性的聚类数量，仍然是一个巨大的挑战。

结果： 在此，作者提出了一种单细胞深度适应性聚类（scDAC）模型，通过结合自编码器（AE）和狄利克雷过程混合模型（DPMM）。通过联合优化AE和DPMM的模型参数，scDAC能够实现具有准确聚类数量的适应性聚类，应用于scRNA-seq数据。作者在五个具有不同细胞类型数量的子样本数据集上验证了scDAC的性能，并将其与15种广泛使用的聚类方法在九个scRNA-seq数据集上的表现进行了比较。结果表明，scDAC能够适应性地找到准确的细胞类型或亚型数量，并优于其他方法。此外&#