近日，我系省级博士创新站负责人任丽娜博士以第一作者、我校为第一单位在国际著名学术期刊《ExpertSystemsWithApplications》上发表题为“ZINB-based Kernel Representation Learning of Single-Cell RNA Sequencing Data”的人工智能与生物信息交叉的研究成果，论文通讯作者是贵州大学黄瑞章教授。

《ExpertSystemsWithApplications》是人工智能与智能系统领域的顶级期刊之一，是中科院SCI一区TOP期刊，中国计算机学会CCF推荐期刊，该期刊的影响因子为7.5，在复杂网络与系统应用研究中具有重要学术影响力。

细胞聚类在单细胞RNA测序（scRNA-seq）数据分析中发挥着至关重要的作用。尽管已有许多深度细胞聚类方法被提出用于scRNA-seq数据的聚类，但它们在表示学习过程中往往忽视了结构划分目标，导致在处理非线性可分结构时面临挑战。该研究提出了一种新型端到端深度核细胞聚类模型（scDKC），该模型基于自监督的ZINB核表示学习方法，能够同时学习细胞的核表示并识别细胞聚类结构。具体而言，通过设计核辅助的混合表示学习编码器，有效学习细胞的可分核表示。为引导核表示学习的方向，进一步设计了一个基于ZINB的核表示学习解码器，以捕捉scRNA-seq数据的全局概率结构、潜在表示以及细胞图结构。通过引入聚类自监督策略、表示自监督策略、ZINB分布自监督策略以及核自监督策略，scDKC通过联合互补的自监督机制优化细胞聚类标签分配，并学习细胞的核表示。该研究成果能够更准确的揭示细胞异质性与潜在亚群，为疾病机理研究和精准医疗提供有力支撑。