相关实验视频
Updated: Jun 12, 2025
11:26
Single-cell RNA-Seq of Defined Subsets of Retinal Ganglion Cells
Published on: May 22, 2017
13.8K
pscAdapt:基于单细胞RNA-seq数据中细胞类型注释的结构相似性的预训练域适应网络
IEEE journal of biomedical and health informatics
|September 26, 2024
概括
本研究介绍了pscAdapt,这是一个用于准确的细胞类型注释的新型域适应模型. 它有效地克服了单细胞数据中的批量效应,改善了跨不同数据集的细胞分类.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 单细胞基因组学 单细胞基因组学
背景情况:
- 细胞类型的注释对于理解细胞功能和生物过程至关重要.
- 自动化方法经常与批量效应作斗争,影响不同数据源的性能.
- 批量效应源于数据分布在平台和物种之间变化的变化.
研究的目的:
- 提出pscAdapt,一个预训练的域适应模型,用于强大的细胞类型注释.
- 在单细胞数据分析中解决和减轻批量效应.
- 提高细胞类型识别的准确性和可辨别性.
主要方法:
- 使用预先训练的策略来初始化源域数据分布学习的模型参数.
- 采用对抗式学习来训练域调整网络,实现域级调整.
- 设计了一个结构相似性损失,以在细胞层面对齐细胞,增强可辨别性.
主要成果:
- 证明了pscAdapt在模拟,跨平台和跨物种数据集上的有效性.
- 与现有的几种流行的细胞类型注释方法相比,pscAdapt的表现优越.
- 验证了模型减少域差异和改善细胞类型分类的能力.
结论:
- pscAdapt有效地克服了在细胞类型注释中的批量效应.
- 拟议的模型通过结构相似性增强了细胞类型的可分辨性.
- pscAdapt代表了生物信息学中准确的细胞类型注释的重大进步.
