相关实验视频
Updated: May 31, 2025
10:31
Real-time Live Imaging of T-cell Signaling Complex Formation
Published on: June 23, 2013
13.8K
SpaGraphCCI:通过基于GAT的共同卷积特征集成来推断空间细胞-细胞通信
Han Zhang1,2,3, Ting Cui2,3,4, Xiaoqiang Xu2,3,4,5,6
1School of Computer, University of South China, Hengyang, Hunan, China.
IET systems biology
|January 23, 2025
概括
研究人员开发了SpaGraphCCI,这是一个深度学习工具,用于空间细胞-细胞相互作用 (CCI). 这种方法整合了空间转录学数据,以准确推断CCI,推进组织生物学研究.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 空间解析转录组学 (SRT) 为细胞与细胞相互作用 (CCI) 提供了空间上下文.
- 整合多式联运SRT数据以准确的CCI推断仍然是一个挑战.
- 现有的方法很难有效地利用基因表达和成像数据.
研究的目的:
- 开发一种新的深度学习方法,SpaGraphCCI,用于整合多式联运SRT数据.
- 通过结合基因表达和空间信息来增强空间细胞相互作用 (CCI) 的推断.
- 为在各种生物环境中解读CCI提供一个强大的工具.
主要方法:
- SpaGraphCCI使用co-convolution来整合不同SRT模式的功能.
- 基因表达和图像特征被投射到一个统一的低维空间中.
- 一个深度学习框架被用于强大的CCI推断.
主要成果:
- 在单细胞 (AUC 0.860-0.907) 和点分辨率 (AUC 0.880-0.965) 数据集上,SpaGraphCCI实现了高性能.
- 超越了现有的基于深度学习的空间CCI推断方法.
- 已证明对高噪音的强度和推断近距离和远距离CCI的能力,如人类乳腺癌数据集所示.
结论:
- SpaGraphCCI是一个有效的深度学习工具,用于从多式SRT数据中推断空间细胞-细胞相互作用.
- 该方法成功地整合了基因表达和图像特征,以改进CCI检测.
- SpaGraphCCI为研究组织平衡,发育和疾病进展的研究人员提供了一个实用的解决方案.
更多相关视频
09:34Applications of Spatio-temporal Mapping and Particle Analysis Techniques to Quantify Intracellular Ca2+ Signaling In Situ
Published on: January 7, 2019
9.2K
08:01Imaging Cell Interaction in Tracheal Mucosa During Influenza Virus Infection Using Two-photon Intravital Microscopy
Published on: August 17, 2018
8.3K
