効率的な組織解凍のための解釈可能で適応可能なオートエンコーダー
Jesús de la Fuente1, Naroa Legarra-Marcos2, Aintzane Diaz-Mazkiaran2
1Department of Biomedical Engineering and Science, Tecnun School of Engineering, University of Navarra, 20018 San Sebastian, Spain.
Nucleic acids research
|September 1, 2025
まとめ
スウィートウォーターは新種のオートエンコーダーで 大量の遺伝子発現から 細胞型解体を強化します 信頼性の高い生物学的洞察のための適応的参照と解釈可能なモデルを使用して,現在の方法の限界に対処します.
科学分野:
- 計算生物学
- バイオ情報学
- ゲノミクス
背景:
- デコンボリューションモデルは,大量遺伝子発現から細胞型情報を抽出します.
- 現在の方法は,参照の選択,データ分布のシフト,および解釈の欠如で課題に直面しています.
研究 の 目的:
- スウィートウォーターを紹介します 大量のサンプルを効率的に解像させるための 適応可能で解釈可能なオートエンコーダーです
- 訓練データ生成を改善し,解凍評価のためのゴールドスタンダードデータセットを確立する.
主な方法:
- 適応可能で解釈可能なオートエンコーダー (Sweetwater) を開発した.
- FACSで並べられたFASTQファイルからトレーニングデータを生成するための改善された方法を提案しました.
- デコンボリューションのアプローチを評価するためのゴールドスタンダードデータセットを導入しました.
主要な成果:
- スウィートウォーターは複数の基準データクラスを利用し,効率的な解像度を実現します.
- 新しいトレーニングデータ生成方法は,プラットフォームのバイアスを軽減し,単細胞の参照を上回ります.
- スウィートウォーターは訓練中に適応し 生物学的意味のあるパターンを発見し 信頼性を高めます
結論:
- スウィートウォーターは解凍の解釈可能で適応可能な解決策を提供します.
- この研究は,解凍方法を評価するための新しいベンチマークデータセットを提供します.
- スウィートウォーターは,高通量臨床データの分析を加速させることが期待されています.
