兼容多组学
该方法通过融合子空间距离与最小冗余，首次将单细胞特征选择从单一模态扩展到多组学数据，能跨模态选出关键基因并实现更优的细胞聚类。
刘佩 · Yuheng, Wang · 吕小毅 · Zhigang, Li · 陈程 · Chen, Chen · Yuanzhi, He · 王婧 · 顾晋
Pattern Recognition 2026
目标函数采用可加融合结构，不同组学数据可以分别处理后再融合，因此无需修改就能用于多组学特征选择。
通过方差-协方差子空间距离学习数据的子空间结构，能够保留对聚类最有判别力的基因。
在目标函数中加入内积正则化和最小冗余项，直接剔除冗余基因，使选出的特征子集更紧凑。