본 논문은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터 분석을 위한 새로운 Siamese Clustering 프레임워크인 scSiameseClu를 제안한다. scSiameseClu는 노이즈, 희소성, 높은 차원성, 그리고 그래프 신경망(GNN)의 과도한 평활화 문제로 인해 어려운 scRNA-seq 데이터 분석 문제를 해결하고자 한다. scSiameseClu는 Dual Augmentation Module, Siamese Fusion Module, 그리고 Optimal Transport Clustering의 세 가지 주요 단계를 포함한다. 이 프레임워크는 표현의 견고성을 높이기 위해 생물학적으로 정보를 제공하는 섭동을 사용하고, 과도한 평활화를 완화하면서 복잡한 세포 관계를 포착하며, 클러스터 할당을 미리 정의된 비율에 효율적으로 정렬한다. 7개의 실제 데이터셋에 대한 포괄적인 평가를 통해 scSiameseClu가 단일 세포 클러스터링, 세포 유형 주석, 세포 유형 분류에서 최첨단 방법을 능가함을 보여준다.
