Diagonal Multi-omics Integration of Heterogenous Datasets

现代生物学已经进入了一个科学家可以对单个细胞进行“快照”，并同时测量其数千种特征的时代。他们可以同时读取遗传密码、活跃基因、正在构建的蛋白质以及化学信号。这种数据的洪流有望揭示复杂疾病的运作机制，并寻找新的治疗方法。然而，这些不同类型的测量值来自不同的数学世界。它们就像是描述同一个物体的不同语言，仅仅将它们并排排列往往无法捕捉到它们之间真实的相互作用。挑战在于，如何找到一种方法，将这些不同的视角合并为一个连贯的整体，并尊重活细胞内部复杂的非线性关系。

来自俄罗斯老年医学临床研究中心和应用数学与自动化研究所的研究人员开发了一种新的数学方法来解决这一问题。他们称之为“对角多组学整合”（diagonal multi-omics integration）。他们的这种方法并非强迫这些不同的数据集看起来趋于一致，而是将它们之间的差异视为一种信息来源。他们使用了一种被称为“耦合图拉普拉斯算子”（coupled graph Laplacian）的复杂数学工具，该工具充当了不同类型数据之间的桥梁。这个工具允许他们将来自细胞的复杂高维数据映射到一个更简单的低维空间中，使模式变得清晰可见。

他们发现的核心在于探索了两种截然相反的数据排列方式。第一种方法是目前科学界常用的方法，它像是一个广角镜头。它试图平滑数据，寻找不同测量值达成共识的共同点。这对于观察大局以及所有细胞共有的稳定结构非常有用。然而，研究人员发现这种平滑效应有一个缺点：它会模糊掉微小而关键的细节。通过让一切看起来都趋于相似，它可能会隐藏掉那些实际上非常重要的稀有细胞类型或细微的生物异常。

为了解决这个问题，该团队引入了第二种截然相反的方法，它表现得像一台高对比度显微镜。这种方法并不平滑数据，而是寻找张力与差异最大的点。它专门寻找不同类型数据产生分歧最大的方向。在生物学层面，这有助于揭示隐藏的复杂层级，例如那些行为与其他细胞迥异的小群体，这些细胞可能正表现出耐药性或处于独特的发育状态。

这篇论文最显著的发现不仅在于这两种视角的存在，还在于一种衡量两者之间差距的新方法。研究人员创建了一个特定的指标，用于计算“平滑”视图与“高对比度”视图之间的距离。如果这个距离很小，意味着生物系统在所有测量中都是稳定且一致的。如果距离很大，则预示着数据内部存在深层的结构冲突或分层。这一指标提供了一种严谨的数学方法，用以判断一个数据集是否包含标准方法可能会错过的隐藏复杂亚群。

该团队利用涉及复数和被称为“流形”（manifolds）的特定形状的高级几何学证明了他们的方法是有效的。他们表明，这种全新的“显微镜”方法在数学上是严密的，且两种视角之间的差异是衡量生物异质性的可靠指标。这项工作使该领域超越了简单的对齐数据，提供了一种量化生物系统究竟隐藏了多少真实复杂性的方法。通过提供一种检测这些隐藏层级的工具，这项研究为理解活细胞复杂且往往具有矛盾性的本质开辟了新路径。