通用组学解卷积网络

多组学跨平台可用

首个覆盖代谢组学的通用解卷积方法，可跨数据类型与平台工作，在参考单细胞数据不完整时仍具高稳健性。

趙天熠 · Zhang, Liyuan · 罗锐邦 · Yuan, Zhiyuan · 汪国华 · 程亮 · 王亚东

Nature Methods 2026

技术优势

代谢组学也能解

DECODE 填补了代谢组学解卷积的空白，使代谢组数据也能在细胞水平上分析。

跨平台更准

在不同供体、疾病状态、健康状态、数据集和测量平台上均显著优于现有最优方法。

数据不全也准

即使参考单细胞数据不完整，仍能准确解卷积已知细胞类型，更贴近真实应用场景。

应用场景

• 细胞状态解析：从组织数据中解析细胞状态组成，无需预先分选。
• 代谢组学分析：首次将代谢组数据用于细胞类型丰度估计，拓展代谢组应用。
• 蛋白质组学分析：对蛋白质组数据进行细胞类型解卷积，兼容跨平台数据。
• 临床队列研究：整合多组学队列数据，在细胞水平上进行大队列分析。