域泛化使单细胞和空间转录组学中的一般癌细胞注释成为可能
Zhixing Zhong1,2, Junchen Hou3, Zhixian Yao2
1Institute of Artificial Intelligence, Department of Chemical Biology, College of Chemistry and Chemical Engineering, Xiamen University, Xiamen, 361102, China.
Nature communications
|March 2, 2024
概括
癌症寻找器是一种新的深度学习算法,可以在单细胞和空间转录基因数据中准确识别恶性细胞. 该工具通过改善恶性细胞注释来增强癌症研究,以更好地了解疾病和患者预后.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 单细胞和空间转录基因测序对癌症研究至关重要.
- 准确的恶性细胞注释是至关重要的,但在当前的方法中具有挑战性.
- 现有的算法在不同癌症类型的准确性和概括性方面扎.
研究的目的:
- 开发一种强大的算法,以快速准确地识别恶性细胞.
- 解决目前用于胰癌分析的细胞注释工具的局限性.
- 为了在转录基因数据中精确地检测恶性细胞和斑点.
主要方法:
- 开发了Cancer-Finder,这是一个基于域泛化的深度学习算法.
- 在单细胞转录基因数据上训练并验证了算法.
- 通过替换训练数据集,适应癌症寻找器用于空间转录基因数据.
主要成果:
- 癌症寻找器从单细胞数据中识别恶性细胞的平均准确率为95.16%.
- 该算法准确地识别了空间转录基因幻灯片中的恶性斑点.
- 应用于清细胞细胞癌,它确定了与患者预后相关的瘤正常接口上的10个基因签名.
结论:
- 癌症寻找器是恶性细胞注释的高效和可扩展的工具.
- 该算法在转录基因数据分析中展示了高精度和概括能力.
- 识别的基因签名提供了关于瘤与正常相互作用和患者结果的见解.


