La technologie de génomique unicellulaire nous permet d’examiner des profils génomiques à haute résolution au niveau cellulaire. Son application courante consiste à identifier les types cellulaires et leur abondance dans un échantillon donné. Cependant, cette nouvelle technologie présente deux limites majeures : (1) elle est coûteuse, ayant un prix par patient dix fois supérieur à celui de la technologie de séquençage global, et (2) elle nécessite des cellules fraîches, ce qui restreint ses possibilités d’application. La déconvolution cellulaire permet d’obtenir ces mêmes informations à partir de données de séquençage global (parfois en les combinant avec des données de génomique unicellulaire déjà publiées). Malgré le développement de nombreux algorithmes de déconvolution cellulaire, leurs performances restent instables, ce qui conduit de nombreux biologistes et cliniciens à remettre en question leur fiabilité. Nous introduisons une nouvelle approche de collecte de données avec une structure distincte et proposons un nouvel algorithme exploitant efficacement l’information contenue dans cette structure. Nous illustrons les performances de notre algorithme à l’aide de nos propres données génomiques réelles.