使用DeepScence对衰老细胞进行单细胞和空间检测
Yilong Qu1, Runze Dong2,3, Liangcai Gu2,3
1Department of Biostatistics and Bioinformatics, Duke University School of Medicine, Durham, NC, USA.
bioRxiv : the preprint server for biology
|December 4, 2023
概括
DeepScence是一种新的深度学习方法,在单细胞和空间转录学中准确识别衰老细胞. 这种工具增强了在各种生物环境中对细胞衰老的研究.
科学领域:
- 细胞生物学 细胞生物学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 细胞衰老在衰老和疾病中起着至关重要的作用.
- 精确识别衰老细胞对于理解它们的功能至关重要.
- 目前用于老化细胞识别的现有方法存在局限性.
研究的目的:
- 开发一种强大而准确的计算方法来识别衰老细胞.
- 利用深度学习来分析单细胞和空间转录组学数据.
- 在各种生物环境中改善衰老细胞的表征.
主要方法:
- 开发DeepScence,一种基于深度神经网络的方法.
- 创建CoreScence,一个策划的衰老相关基因组.
- 将DeepScence应用于单细胞和空间转录组学数据集 (体外和体内).
主要成果:
- DeepScence精确地识别了各种转录基因数据集中的衰老细胞.
- 与现有方法相比,该方法显示出更高的性能.
- 在不同的实验平台上成功应用空间转录组学.
结论:
- DeepScence为衰老细胞识别提供了一个强大的工具.
- 这种方法有助于对衰老细胞的空间和分子特征进行更深入的研究.
- 在衰老和疾病研究中,DeepScence具有广泛的应用.
