[Bioinformatics | 论文简读] 用于从单细胞 RNA 测序数据中预测基因调控的图注意力网络
简读分享 | 乔剑博 编辑 | 陈兴民
论文题目
Graph attention network for link prediction of gene regulations from single-cell RNA-sequencing data
论文摘要
动机: 单细胞RNA测序(scRNA-seq)数据为以精细分辨率重建基因调控网络(GRN)提供了前所未有的机会。目前已经提出了许多无监督或自监督模型来从大量RNA序列数据推断GRN,但在低信噪比和丢失的情况下,很少有模型适用于scRNA序列数据。幸运的是,TF-DNA绑定数据的激增(例如ChIP seq)使得有监督的GRN推断成为可能。作者将监督GRN推理视为一个基于图的链接预测问题,它期望学习基因低维矢量化表示,以预测潜在的调控相互作用。 结果: 在本文中,作者提出了GENELink,以利用图形注意网络推断GRN中转录因子(TF)和靶基因之间的潜在相互作用。GENELink将观察到的TF基因对的单细胞基因表达投射到低维空间。然后,通过优化嵌入空间,学习特定的基因表示,以服务于成对基因的下游相似性度量或因果推断。与现有的八种GRN重建方法相比,GENELink在七个scRNA序列数据集和四种类型的地面真值网络上取得了相当或更好的性能。作者进一步将GENELink应用于人类乳腺癌转移的scRNA序列,揭示原发肿瘤和肺转移之间Notch和Wnt信号通路的调节异质性。此外,独特肺转移GRN的本体丰富结果表明,线粒体氧化磷酸化(OXPHOS)在癌转移级联的种子阶段具有重要的功能,这一点已通过药理学分析得到验证。
论文链接
https://academic.oup.com/bioinformatics/article/38/19/4522/6663989
相关文章
- 经典/最新计算机视觉论文及代码推荐
- 谷歌Borg论文阅读笔记(二)—— 任务混部和资源隔离
- 如何读论文?
- 论文推荐:使用带掩码的孪生网络进行自监督学习
- 论文讨论&&思考《Deformable Convolutional Networks》
- SIGCOMM’22会议概览与热门论文解读
- 论文/代码速递2022.10.13!
- [nature communications | 论文简读] scGCN:单细胞组学中知识转移的图卷积网络算法
- [BIB | 论文简读] 通过具有关注机制的关系图卷积网络预测细胞系的协同药物组合
- [IEEE TMI | 论文简读] PLN:用于几乎无监督的医学图像分割的类寄生网络
- [CVPR2022 | 论文简读] 重新审视池化:你的感受野不是最理想的
- [Nucleic Acids Research | 论文简读] 基于大规模数据整合的单细胞基因调控网络推理算法
- [IJCAI | 论文简读] 基于Transformer的目标增强生成对抗网络生成所需分子
- 论文推荐:基于GE-MRI的多任务学习
- 论文这玩意, 也可以是这样读的啊
- 剽窃、作弊,ChatGPT竟偷偷生成了12篇署名论文!Marcus炮轰Ta变成CheatGPT
- 深入探究Linux:撰写高质量论文的突破技巧(linux论文)
- 分析Oracle数据库的优势与劣势(oracle优缺点论文)