-
题名深度学习在单细胞转录组学中的应用
被引量：1
- 1
-
-
作者
王天宇
高诗铠
邵金凤
赵永兵
-
机构
中国科学院广州生物医药与健康研究院
中国科学院大学
广东粤港澳大湾区协同创新研究院
-
出处
《生理科学进展》
北大核心
2025年第3期226-234,共9页
-
基金
国家重点研发计划(2024YFA1802300)
广东省科技计划(2023B1212060050,2023B1212120009)资助课题。
-
文摘
单细胞转录组测序(single-cell RNA sequencing)是一种在单细胞水平上对全基因组基因表达进行高通量测序的技术,能有效解析细胞群体异质性,目前广泛应用于发育、疾病等研究领域。由于单细胞转录组数据通常存在高噪声、高维度和高稀疏性等特征,传统分析方法在处理这些数据时存在明显局限性。近年来,以自编码器、生成对抗网络为代表的深度学习模型被广泛应用到单细胞转录组数据分析中,包括表达值插补、批次效应校正、数据降维、细胞聚类和细胞类型注释等,并展现了深度学习在单细胞转录组数据分析中的优越性。特别地,基于Transformer的深度学习大模型,通过自注意力机制学习基因间隐含依赖关系以及基因表达与细胞之间的关联,为单细胞转录组数据分析提供了新路径和发展方向,并为多模态组学整合分析提供了创新的解决方案和潜在的应用前景。
-
关键词
单细胞转录组测序
数据挖掘
深度学习
神经网络
-
Keywords
single-cellRNAsequencing
datamining
deeplearning
neuralnetwork
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
Q811.4
[生物学—生物工程]
-
