CrossRec 借鉴推荐系统建模染色质可及性与基因表达的跨模态调控

作者提出 CrossRec，将 scATAC 与 scRNA 数据重构为交互图，借鉴推荐系统处理稀疏信号与冷启动的思路来学习跨模态调控模式。其生物驱动的二分图 transformer 在 ATAC-RNA 配对上学习可解释的注意力，在多项任务上优于现有方法，在数据稀缺条件下保持稳健，并可泛化到未见细胞类型和数据集，还能增强基于先验的方法。CrossRec 学到的调控图谱给出细胞与细胞类型特异的调控信息，解析了皮层神经发生过程中的动态调控重连，以及黑色素瘤耐药中药物诱导调控的扰动特异性重连。该工作发表于 Nature Communications。