Neues Framework: Hierarchische Sheaf‑Spektrale Einbettung für Single‑Cell RNA‑seq

Die Analyse von Single‑Cell‑RNA‑seq‑Daten erfordert Repräsentationen, die heterogene lokale Strukturen über mehrere Skalen hinweg erfassen, gleichzeitig stabil und interpretierbar bleiben. Ein neues Konzept, das hierarchische Sheaf‑Spektrale Einbettung (HSSE), bietet genau das.

HSSE baut cellenbezogene Features auf Basis einer persistenten Sheaf‑Laplacian‑Analyse auf. Zunächst werden skalenabhängige, niedrigdimensionale Einbettungen erzeugt, aus denen cellenzentrierte Nachbarschaften in unterschiedlichen Auflösungen definiert werden. Für jede Nachbarschaft wird ein datengesteuertes Zell‑Sheaf konstruiert, das lokale Beziehungen zwischen Zellen kodiert. Anschließend werden persistenten Sheaf‑Laplacien über ausgewählte Filtrationsebenen berechnet und spektrale Statistiken extrahiert, die die Entwicklung der lokalen Relationen über die Skalen hinweg zusammenfassen.

Die gewonnenen spektralen Deskriptoren werden zu einem einheitlichen Feature‑Vektor für jede Zelle zusammengeführt. Dieser Vektor kann unmittelbar in nachgelagerten Lernaufgaben eingesetzt werden, ohne dass zusätzliche Modelle trainiert werden müssen. In Tests an zwölf Benchmark‑Datensätzen aus unterschiedlichen biologischen Systemen und Größenordnungen zeigte HSSE eine konkurrenzfähige oder sogar verbesserte Leistung gegenüber etablierten multiskaligen und klassischen Einbettungsmethoden, gemessen an mehreren Evaluationsmetriken.

Die Ergebnisse demonstrieren, dass Sheaf‑Spektral‑Repräsentationen einen robusten und nachvollziehbaren Ansatz für die Repräsentations­lernen von Single‑Cell‑RNA‑seq‑Daten darstellen. Dieses neue Framework eröffnet spannende Möglichkeiten für die weitere Analyse und Interpretation von Zell‑Heterogenität.