[Bioinformatics | 论文解读] 基于生成对抗网络的单细胞半监督注释和降维框架
2023-02-18 16:48:00 时间
简读分享 | 于浩清 编辑 | 王宇哲
论文题目
scSemiGAN: a single-cell semi-supervised annotation and dimensionality reduction framework based on generative adversarialnetwork
论文摘要
细胞类型注释在单细胞RNA-seq(scRNA-seq)数据分析中起着至关重要的作用。随着越来越多的注释良好的scRNA-seq参考数据公开可用,自动标签转移算法比基于手动标记基因的注释方法越来越受欢迎。然而,现有的大多数方法都无法将细胞类型注释与降维统一起来。在本文中,作者提出了一种基于生成对抗网络的半监督细胞类型注释和降维框架scemiGAN,从数据生成方面对scRNA-seq数据进行建模。本文提出的scSemiGAN能够同时执行深度潜在表示学习和细胞类型标签预测。通过在各种模拟和真实的scRNA-seq数据集上与四种最先进的注释方法进行比较,scSemiGAN在多个下游任务(包括细胞类型注释,潜在表示可视化,混杂因子去除和富集分析)中实现了具有竞争性的性能。
论文链接
https://doi.org/10.1093/bioinformatics/btac652
相关文章
- React源码学习进阶篇(一)新版React如何调试源码?
- React源码学习进阶(二)初识Fiber架构
- React源码学习进阶(三)rootFiber的创建流程
- React源码学习进阶(四)render流程的入口逻辑详解
- React源码学习进阶(五)beginWork如何处理Fiber
- React源码学习进阶(六)completeWork究竟做了什么
- React源码学习进阶(七)挂载阶段的commitWork
- React源码学习进阶(八)setState底层逻辑
- MATLAB随机波动率SV、GARCH用MCMC马尔可夫链蒙特卡罗方法分析汇率时间序列|附代码数据
- R语言Apriori关联规则、kmeans聚类、决策树挖掘研究京东商城网络购物用户行为数据可视化|附代码数据
- 电量计基础知识介绍:
- 瞧瞧别人家的API接口,那叫一个优雅
- 暴增到 1k star 的开源项目,原来长这样!
- 程序员必备小技能:mac文件备份和清理、常用工具的安装和配置
- 前端小技能:Chrome DevTools中的操作技巧
- SOLIDWORKS 基于浏览器的角色 TOP 10 增强功能
- java小技能:对list集合根据条件进行分组、过滤和字段筛选
- mybatis-plus小技能
- Java小技能:快速创建List常用几种方式
- DBA的技术方向