Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

Variability: Analysis

Variability: Analysis

Measures of variability are statistical metrics that reveal the dispersion pattern within a dataset. They are pivotal in biostatistics, providing insights into the heterogeneity within health and biological data. Variability signifies the degree to which data points diverge from one another, helping researchers understand the potential range of values and associated uncertainty within the data.
The range is a simple measure of variability, indicating the difference between the highest and...

Thematic Layering in GIS

Thematic Layering in GIS

In the past, planning projects such as schools or public facilities required extensive manual effort to gather and compile data. Information such as property boundaries, soil characteristics, road networks, zoning regulations, and flood zones had to be sourced individually from courthouses, utility providers, and registry offices. Assembling these datasets into a coherent format often took several months, delaying project timelines.The introduction of Geographic Information Systems (GIS)...

Selected Data About Geographic Locations

Selected Data About Geographic Locations

Geographic Information Systems (GIS) rely on two core types of data: spatial data and attribute data.Spatial DataSpatial data defines the physical location of features within a coordinate system, typically expressed in terms of latitude and longitude. It provides precise positioning for elements like roads, rivers, or buildings.Attribute DataAttribute data complements spatial data by adding descriptive information about these features. For example, a road's spatial data includes its start and...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Crosstalk In: crosstalk-aware inference of tumor microenvironment cell infiltration.

Journal of translational medicine·2026

Same author

HiCAF-Net: A Hierarchical Cross-Attention Fusion framework for cross-cancer subtype classification using histopathological and genomic data.

Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society·2026

Same author

Urban river health evaluation in semi-arid Xi'an, China: a hybrid RF-DNN framework integrating multi-source and SHAP-based interpretability.

Environmental monitoring and assessment·2026

Same author

Treatment Preferences in Adult Patients with Type 2 and Type 3 Spinal Muscular Atrophy: Evidence from a Discrete Choice Experiment in China.

The patient·2026

Same author

The Role of Non-stigmatizing Attitudes Toward Peers With Mental Health Problems in Shaping Adolescents' Attitudes Toward Professional Psychological Help-Seeking.

The Psychiatric quarterly·2026

Same author

Multimedia migration and ecological risks of bisphenol A in semiarid urban rivers: a case study of Xi'an, China.

Environmental monitoring and assessment·2026

Same journal

The lncRNA-m6A axis in cancer: a bidirectional regulatory network in tumor progression and therapeutic resistance.

Journal of translational medicine·2026

Same journal

Repurposing cepharanthine as a radiosensitizer in esophageal squamous cell carcinoma through dual metabolic intervention and direct targeting of p70s6K.

Journal of translational medicine·2026

Same journal

Cellular crosstalk and signaling networks in the rheumatoid arthritis synovial microenvironment.

Journal of translational medicine·2026

Same journal

Pilot spatial transcriptomics of dental pulpitis suggests immune-fibroblast profiling linked to reversibility.

Journal of translational medicine·2026

Same journal

Beyond semen analysis: in men with normal semen parameters telomere attrition and oxidative imbalance distinguish those fertile from those with infertility.

Journal of translational medicine·2026

Same journal

Dual-block HER2 assessment reveals clinically relevant intratumoral heterogeneity in gynecologic cancers: a single-center landscape analysis.

Journal of translational medicine·2026

Ver todos los artículos relacionados

Search research articles

Video Experimental Relacionado

Updated: Jan 8, 2026

Mining Spatial Transcriptomics Datasets using DeepSpaceDB

Mining Spatial Transcriptomics Datasets using DeepSpaceDB

Published on: September 5, 2025

HiSTaR: identificación de dominios espaciales con un autoencoder variacional espacial jerárquico

Junhua Yu¹, Jiaqi Yuan¹, Qianbei Yi¹

¹Institute of Computational Science and Technology, Guangzhou University, Guangzhou, 511370, China.

Journal of translational medicine

|December 24, 2025

Resumen

Este resumen es generado por máquina.

HiSTaR, una nueva herramienta de aprendizaje profundo, mejora el análisis de la transcriptómica espacial al identificar dominios de tejido y corregir efectos de lote. Este método mejora la comprensión de los microambientes tisulares y los patrones de expresión génica.

Palabras clave:

Transcriptómica espacial Aprendizaje profundo Autoencoder variacional Identificación de dominios Corrección de efectos de lote

Más Videos Relacionados

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Published on: June 26, 2013

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection

Published on: July 6, 2022

Videos de Experimentos Relacionados

Last Updated: Jan 8, 2026

Mining Spatial Transcriptomics Datasets using DeepSpaceDB

Mining Spatial Transcriptomics Datasets using DeepSpaceDB

Published on: September 5, 2025

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data

Published on: June 26, 2013

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection

Spatial Profiling of Protein and RNA Expression in Tissue: An Approach to Fine-Tune Virtual Microdissection

Published on: July 6, 2022

Área de la Ciencia:

Biología Computacional
Genómica
Bioinformática

Sus antecedentes:

La transcriptómica espacial (ST) permite la adquisición de datos de todo el transcriptoma con contexto espacial.
La comprensión de los microambientes tisulares y los dominios espaciales es crucial en la investigación biológica.
Los métodos de aprendizaje profundo son eficaces para analizar datos complejos de ST.

Objetivo del estudio:

Presentar HiSTaR, un autoencoder variacional jerárquico para datos de ST.
Aprovechar las características latentes de varios niveles para mejorar el análisis de la transcriptómica espacial.
Mejorar la identificación de dominios espaciales y la corrección de efectos de lote en datos de ST.

Principales métodos:

Desarrollo del autoencoder variacional jerárquico de transcriptómica espacial (HiSTaR).
Empleo de múltiples bloques HiSTaR para capturar características latentes de varios niveles de los puntos espaciales.
Utilización de características latentes para análisis posteriores como la identificación de dominios espaciales y la corrección de efectos de lote.

Principales resultados:

HiSTaR demostró un rendimiento superior en la identificación de dominios espaciales en diversos conjuntos de datos de ST.
El método integró con éxito múltiples cortes de tejido, corrigiendo los efectos de lote sin herramientas externas.
HiSTaR admite análisis de trayectorias y expresión génica diferencial, validando su eficacia.

Conclusiones:

HiSTaR proporciona un marco computacional eficaz para la investigación de la transcriptómica espacial.
La captura jerárquica de características mejora la identificación de dominios espaciales y la comprensión de la heterogeneidad tisular.
HiSTaR tiene el potencial de avanzar en el estudio de patrones de expresión génica resueltos espacialmente.