相关实验视频
Updated: Jul 1, 2025
11:26
Single-cell RNA-Seq of Defined Subsets of Retinal Ganglion Cells
Published on: May 22, 2017
13.8K
moSCminer:基于注意神经网络的细胞亚型分类框架,集成云上的单细胞多omics数据集
Joung Min Choi1, Chaelin Park2, Heejoon Chae2
1Department of Computer Science, Virginia Polytechnic Institute and State University (Virginia Tech), Blacksburg, Virginia, United States.
PeerJ
|March 1, 2024
概括
这项研究引入了moSCminer,这是使用多omics数据进行细胞亚型分类的新框架. 它通过整合基因表达,DNA甲基化和可访问性数据来实现卓越的性能,以获得全面的生物学见解.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 表观基因组学是指表观基因组学.
背景情况:
- 精确的细胞亚型注释对于理解细胞过程如分化至关重要.
- 目前的方法依赖于手工,劳动密集型分析单个omics数据,缺失的inter-omic相关性.
- 需要自动化计算框架来准确识别细胞亚型.
研究的目的:
- 开发和验证moSCminer,一个用于细胞亚型分类的新计算框架.
- 利用单细胞多组数据来提高准确性和生物洞察力.
- 为研究人员提供一个可访问的,基于网络的平台.
主要方法:
- 开发moSCminer,一个基于注意力的神经网络框架.
- 整合了三个单细胞欧米克数据集:基因表达,DNA甲基化和DNA可访问性.
- 对标准机器学习分类器进行比较性绩效评估.
主要成果:
- 与现有方法相比,moSCminer在细胞亚型分类方面表现优越.
- 该框架有效地学习了不同欧米克特征的相对意义.
- 一个omics级别的注意模块确定了潜在的细胞亚型标记物.
结论:
- 单细胞多组组合的整合显著提高了细胞亚型识别的准确性.
- moSCminer为细胞亚型分类提供了强大的和可扩展的解决方案.
- 这项研究开创了为此目的整合三个单细胞欧米克数据集的先之路.
