单细胞转录组测序数据由于测序技术的问题，常常难以捕获到低表达的基因，从而出现大量的零值，这些零值通常被称为“dropout”。这些基因信号的缺失，将影响对基因间调控关系的解释，因此scRNA-seq数据的稀疏可能会阻碍下游的分析，难以建模和处理。有2种解决数据稀疏的方法，(i)使用合适的数据构建统计模型，对scRNA-seq数据的稀疏、抽样差异及噪音进行固有建模；(ii)填补零值，使其更好地接近真实的细胞表达水平，但不适合处理大量缺失。
2018年7月26日，哥伦比亚大学Dana Pe'er教授在Cell上发表MAGIC(Markov affinity-based graph imputation of cells)，利用流形学习还原单细胞的基因表达，并基于还原后的数据发现新的基因调控关系。
原文链接：https://doi.org/10.1016/j.cell.2018.05.061
代码：https://nbviewer.jupyter.org/github/KrishnaswamyLab/magic/blob/master/python/tutorial_notebooks/emt_tutorial.ipynb
参考：https://mp.weixin.qq.com/s/8Io0qQttOALTEsmdftj0UQ
