单细胞组学数据异质性解读的计算理论和方法

After several years of accumulation and development, single-cell omics has gradually grown into one of the most active areas in scientific research community. These studies are based on the fact that any two single cells are different. In the context of rapid growth of sample quantities and data volumes, how to process these data and interpret the heterogeneity among the samples have become a key problem. There are two main difficulties in carrying out these tasks: First, the characteristics of these data are greatly different from those of images and texts. They are characterized by high dimensions, large sample numbers, large noises and various data meanings; Secondly, the data generation depends on complex biological situations, such as cell type, cell differentiation and cycle, gene regulation, chromatin folding and intercellular communication, etc. This research project will try to interpret single-cell heterogeneity using mathematical, informatics, statistics, and data science methods, leveraging different types of single-cell omics data, whose aim is to develop new theory and tools for single-cell analysis. The achievements of the project will further enrich bioinformatics methods, deepen our understanding of life activities, promote the development of single-cell omics research and pave the way for the development of preclinical medicine research.

单细胞组学有关研究经过几年的积累和发展，逐步成长为目前科学界最活跃的研究方向之一。这些研究工作基于一个重要事实：任意两个单细胞都是不相同的。在单细胞数据样本量快速增长的背景下，如何处理数据并解读数据样本间的异质性逐渐成为研究关注的重点。这些工作的开展面临两个主要难点：首先是数据的特性与图像、文本等数据有很大差异，表现在维度高、数量大、噪声大、数据含义多样等；其次是数据的产生背景依托于复杂的生物学情境，如细胞类型、细胞分化与周期、基因调控、染色质折叠缠绕、细胞间通讯等。研究旨在利用单细胞转录组等不同类型的单细胞组学数据，结合生命科学知识，通过数学、信息学、统计学、数据科学的有关方法解读单细胞间的异质性，目标是开发出新的单细胞组学分析工具。课题成果将进一步丰富生物信息处理方法，加深对生命活动的理解，推动单细胞组学研究继续发展，并为有关基础医学研究形成铺垫。

单细胞组学是目前生命医学领域最活跃的前沿基础研究方向之一，近年来取得了长足进步，有着广阔的应用前景。这几年研究的热门课题包括：如何快速有效地处理数量庞大的多种单细胞组学数据？如何精确分析数据、样本、细胞间的差异？如何从数据中获得生命科学的知识和规律？本项目的主要研究内容包括探索单细胞组学数据的低维表示方法以及快速处理算法；利用单细胞数据推断细胞的活动机制和规律：探索异质性分析软件工具的加速和集成。..通过这几年的努力，我们在如下下几个领域的研究取得进展：第一是设计大规模单细胞转录组测序数据的低维表示和聚类分析方法，实验证明该算法能快速准确聚类百万级单细胞并且能确定罕见的细胞类型。第二是设计算法利用单细胞数据推断细胞的活动机制，该算法应用在神经干细胞分化过程的细胞系重构，得到了非常清晰的细胞分化路径。第三是将以上的成果都制作成软件，成为单细胞分析工具。从2019-2022年我们在生物医学和计算机科学的前沿交叉领域取得了众多成果，共发表论文46篇，其中影响因子>10的顶级期刊9篇。