Correggere i dati biologici senza cancellarli?

Nella genomica a singola cellula, i dati raccolti in labori diversi spesso portano problemi tecnici che confondono i risultati. I metodi tradizionali correggono questi errori, ma a volte cancellano anche le informazioni biologiche vere. Un nuovo metodo, ConDo, invece corregge i dati tecnici senza toccare le informazioni biologiche. Funziona come un'adattatore intelligente: invece di allineare tutti i dati insieme, adatta ogni coppia di gruppi (batch) in base al tipo di cellula. Questo evita di perdere dettagli importanti. Per gestire molti gruppi contemporaneamente, i ricercatori usano un grafico di compatibilità: i gruppi condividono i tipi di cellula vengono uniti passo dopo passo. Il risultato? Dati corretti e pronti per analisi avanzate, senza perdere la ricchezza biologica originale. Testato su diversi set di dati, ConDo è il migliore tra i metodi che preservano i geni, e competitivo anche con quelli più complessi. Un passo avanti per studiare malattie e sviluppo con maggiore precisione.

Il problema principale dell’integrazione di batch in genomica a singola cellula è la confoindanza tra effetti tecnici e segnali biologici. Quando i tipi di cellula variano tra i batch, i metodi che allineano le distribuzioni marginali rischiano di sovrascrivere la variazione biologica genuina. ConDo affronta questa sfida applicando ConDo (Conditional Distribution matching), un metodo di adattamento di dominio con confonditore, che corregge le distribuzioni condizionali dato l’annotazione del tipo cellulare. Questo approccio preserva le informazioni biologiche specifiche del tipo cellulare, evitando distorsioni introdotte da composizioni cellulari eterogenee. Per estendere ConDo al caso multi-batch, è stato sviluppato un integratore basato su grafo di compatibilità: i batch sono nodi del grafo, connessi quando condividono un tipo di cellula. L’algoritmo procede con fusioni agglomerative, selezionando il batch migliore in base a una funzione di punteggio e adattandolo al riferimento corrente tramite un adattatore ConDo. Questo processo iterativo garantisce una correzione coerente e scalabile. Valutato sul benchmark Open Problems Batch Integration, ConDo si distingue come il metodo migliore nella categoria feature-space, ottenendo il primato in cinque su sei dataset. Non solo, ma è competitivo anche rispetto ai metodi di embedding profondo, risultando il migliore complutivo in quattro su sei casi. La capacità di restituire espressioni geniche corrette, invece di embedding opachi, lo rende particolarmente utile per analisi downstream come l’identificazione di biomarcatori e studi differenziali.