Matilda：面向单细胞多组学数据的多任务深度学习框架

Matilda：面向单细胞多组学数据的多任务深度学习框架

摘要：Matilda是一个创新的多任务学习框架，专为单细胞多组学数据分析而设计。它通过神经网络模型同时学习数据模拟、降维、可视化、分类和特征选择等多个任务，充分利用多模态数据的互补信息，为生物医学研究提供了强大的分析工具。

原作者与来源：

• 原作者/维护者：PYangLab
• 来源平台：GitHub
• 原始链接：https://github.com/PYangLab/Matilda
• 发布时间：2026-06-13T23:41:35Z

单细胞测序技术的快速发展使得研究人员能在单个细胞水平解析生物系统复杂性，但多组学数据（基因组、转录组、表观基因组、蛋白质组等）的整合面临独特挑战：不同组学数据具有不同统计特性、噪声水平和生物学含义；传统单任务学习方法针对特定目标分别建模，忽略任务间内在联系和多模态数据的互补信息。

Matilda（Multi-task learning for single-cell multimodal omics）由PYangLab团队开发，核心是多任务学习范式：单个神经网络同时学习多个相关分析任务，实现知识迁移与共享。其设计基于关键洞察——单细胞多组学数据的各类分析任务共享底层生物学结构，联合训练可获得更鲁棒通用的表示。

支持五大核心任务：

1. 数据模拟：生成与真实数据统计特性相似的合成数据，用于数据扩充、方法测试或隐私脱敏；
2. 降维：将高维数据映射到低维空间，保留生物学意义变化模式；
3. 可视化：投影到二维/三维空间，直观观察细胞群体结构；
4. 分类：基于标记基因或参考数据集自动注释细胞类型；
5. 特征选择：识别对细胞类型区分或生物学状态变化最具信息量的分子特征。

Matilda采用神经网络架构，多层结构学习层次化表示，契合单细胞数据的层级生物学结构。多任务学习采用共享表示+任务特定输出的经典架构：底层参数共享（学习通用表示），顶层参数针对各任务优化（转换为任务输出）。此外，针对单细胞数据的稀疏性和噪声，通过正则化策略和损失函数设计进行针对性处理。

Matilda为单细胞多组学研究提供重要工具支持：多任务范式提升单个任务性能，提供系统性分析视角；简化生物信息学研究者的分析流程（一站式完成主要任务，降低技术门槛）；为计算方法研究者展示多任务学习在生物信息学领域的应用潜力，可扩展到更多任务类型和组学模态。

Matilda以开源形式发布在GitHub，遵循Apache-2.0许可证，可自由用于学术和商业应用。项目仓库包含完整代码、示例数据和文档；提供conda环境配置文件（environment_matilda.yaml）确保依赖管理便捷性和复现性。建议用户先阅读README文档了解数据格式要求和参数设置。

Matilda是单细胞多组学数据分析领域的重要进展，通过多任务学习框架有效整合不同任务和组学模态信息。未来可期待整合更多任务类型（如轨迹推断、细胞通讯分析）和组学模态（如空间转录组、单细胞代谢组），多任务学习在生物信息学领域应用前景广阔。