基于深度学习的模型用于预植入小鼠和人类胚胎,基于单细胞RNA测序

科学领域:

• 发展生物学 发展生物学
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 单细胞转录组学为胚胎发育和干细胞模型产生了大量的数据集.
• 在体内定义细胞类型和细胞状态,并将其与体外分化进行比较,由于数据的复杂性而具有挑战性.

研究的目的:

• 开发和应用深度学习工具,用于整合和分类多个单细胞转录组数据集.
• 定义小鼠和人类胚胎细胞类型,血统和状态,从具有挑战性的获得早期发育样本.
• 创建一个公正的分类模型,并识别用于血统和细胞类型识别的关键基因.

主要方法:

• 利用深度学习算法集成和分类各种单细胞转录基因数据集.
• 在体内胚胎发育数据的训练下开发了一种分类模型.
• 应用训练模型对多能干细胞衍生的模型进行分类,用于小鼠和人类的发育.

主要成果:

• 成功定义了小鼠和人类胚胎细胞类型,血统和状态.
• 识别了深度学习模型用于分类的特定基因组.
• 证明了该模型在分类体内干细胞分化中的实用性,与体内发育保持一致.

结论:

• 深度学习提供了一种强大的方法来整合和分析复杂的单细胞转录数据.
• 开发的模型作为早期胚胎发生的动态参考,有助于解释体内和体外发育过程.
• 这项工作最大限度地从宝贵的早期发育样本中获得见解,并促进自然发育和基于干细胞的模型之间的比较.