고차원적이고 잡음이 많은 단일 세포 RNA 시퀀싱(scRNA-seq) 데이터를 효과적으로 분석하기 위해서는 잡음을 제거하고 생물학적 정보를 추출하여 차원을 축소하는 과정이 필수적입니다. 그러나 대부분의 차원 축소 소프트웨어는 사용자가 분석에 사용될 생물학적 정보의 양을 결정하게 하여 사용자 편향성을 유발할 수 있습니다. 또한, scRNA-seq 데이터 분석에서 흔히 사용하는 데이터 전처리 방법인 로그 정규화(Log-normalization)는 데이터의 생물학적 신호를 왜곡시킬 수 있습니다. 이러한 문제를 해결하기 위해 우리는 scRNA-seq 데이터 분석을 위한 scLENS를 개발했습니다. scLENS는 랜덤 매트릭스 이론(Random Matrix Theory)에 기반한 잡음 필터링과 신호 강건성 테스트를 통해 자동으로 생물학적 정보를 추출합니다. 추가적으로, L2 정규화를 사용하여 데이터 전처리 과정에서 발생할 수 있는 신호 왜곡을 보정합니다. 이러한 강력한 기능을 통해 scLENS는 높은 희소성과 세포 간 변동성이 큰 데이터에서 Seurat 및 Scanpy를 포함한 유명한 11개의 차원 축소 프로그램보다 뛰어난 성능을 보였습니다.