单细胞配对不再只给答案：贝叶斯后验把不确定度放到跨模态对应上，错配可被筛掉
核心概要
跨模态单细胞配对此前只返回一个匹配结果，很少给出置信度。BASILISC 在两种模态的孪生网络上放置贝叶斯后验，把不确定度直接定义在一对细胞的对应关系上，并在配对已知的多组学基准上检验。细胞类型层面，丢弃最不确定的五分之一配对使准确率从 0.93 升到 0.98；细胞层面，后验对跨类型边界的错误匹配判别优于同一分数的确定性读法，AUROC 为 0.68 对 0.64。
深度剖析
跨模态单细胞匹配现在可以附带一个针对配对本身的置信度，而不只是一个匹配结果。 此前的匹配模型给出点估计的匹配分数，能指出最佳配对，却不说明次优候选差多少、换一次训练数据分配是否还成立，也不说明输入是否落在编码器没训练过的区域。 在配对已知的多组学基准上，细胞类型层面的预测不确定度把错误配对与正确配对分开，AUROC 为 0.856±0.016，正确配对的中位不确定度为 0.010，错误配对为 0.079。
按不确定度丢弃配对能提高保留下来的匹配质量。 在全部细胞类型都见过的设定下，丢弃最不确定的五分之一把错误率从 6.8% 降到 2.5%，约去掉七成错误。 同一设定下，确定性网络的置信间隔给出几乎相同的曲线，AUROC 为 0.858 对 0.856，说明在已见类型上后验找到的错误与间隔一致。
在细胞层面，后验更擅长标出跨越细胞类型边界的错误匹配，也就是会带错标签的那一类。 同一分配下，确定性读法用平均分数矩阵的 Sinkhorn 传输权重作为对照，温度在测试集上按任意错误匹配的 AUROC 选取。 传输计划后验在跨类型错误上 AUROC 为 0.679，对照为 0.635；按最确定的一半过滤，后验去掉 32.8% 的跨类型错误，对照去掉 25.1%。
启示与展望
展示范围是骨髓单核细胞的两套公开基准：多组学数据 22 个细胞类型、CITE-seq 数据 38 个细胞类型，细胞类型层面的结论在 CITE-seq 上以 AUROC 0.970 和 0.963 复现。细胞层面的配对准确率在 NeurIPS 2021 竞赛测试集的 20,009 个细胞上读取，读者应把它与已发表的 CLUE 和 MatchCLOT 分数并列看待。
在已见类型上，预测标准差与确定性网络的置信间隔高度相关，逐对 Spearman 为 0.95 至 0.99，因此按它弃权并不比确定性网络多出收益。未见类型的分离在 22 个类型中有 19 个高于随机，幅度不大，且 MC dropout 与冻结嵌入的余弦相似度也能标出未见类型。细胞层面的新颖性检测未消除对类型大小的依赖，作者把这一主张限定在细胞类型层面。