深度学习探索单细胞和空间解析的癌症转录组学,以解开瘤异质性的问题
Raid Halawani1, Michael Buchert2, Yi-Ping Phoebe Chen1
1Department of Computer Science and Information Technology, La Trobe University, Melbourne, Australia.
Computers in biology and medicine
|July 28, 2023
概括
瘤异质性是癌症研究的一个关键挑战,现在可以使用深度学习来解码. 这种方法分析单细胞和空间转录组学数据,以改善癌症预后和治疗计划.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 瘤异质性,以基因转录和突变的变异为特征,使理解瘤生长变得复杂.
- 单细胞和空间转录组学是研究瘤异质性的先进技术.
- 由于噪音和数据稀疏性,分析这些复杂的数据集存在重大挑战.
研究的目的:
- 审查用于分析瘤异质性的深度学习框架.
- 突出深度学习在单细胞和空间转录组学中的应用.
- 讨论深度学习在精确瘤学的潜力.
主要方法:
- 审查最近的深度学习框架.
- 对单细胞转录组学数据的分析.
- 空间转录学数据的分析.
主要成果:
- 深度学习可以克服转录学数据中的噪音和稀疏性.
- 对瘤异质性的高分辨率分析可以通过深度学习来实现.
- 深度学习提高了精确的瘤学应用.
结论:
- 深度学习为分析复杂的瘤异质性数据提供了强大的解决方案.
- 深度学习与转录学的整合有望促进癌症研究和患者护理.
- 进一步开发深度学习框架对于释放单细胞和空间转录组学在瘤学中的全部潜力至关重要.


