相关实验视频
Updated: Sep 15, 2025
11:26
Single-cell RNA-Seq of Defined Subsets of Retinal Ganglion Cells
Published on: May 22, 2017
13.9K
scRDAN:一个强大的域适应网络用于单细胞RNA测序数据中的细胞类型注释
Yan Sun1, Yan Zhao2, Junliang Shang2
1College of Engineering, Qufu Normal University, No. 80, Yantai Road, Rizhao, 276826, Shandong, China.
Briefings in bioinformatics
|July 16, 2025
概括
我们开发了scRDAN,一个强大的域适应网络,以改善单细胞RNA测序和细胞类型注释. 它有效地处理噪声和批量效应,以便更准确地识别细胞.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 单细胞RNA测序 (scRNA-seq) 对于理解细胞异质性至关重要.
- 在scRNA-seq数据中准确的细胞类型注释受到噪音和批量效应的挑战.
- 现有的方法很难稳定地处理这些数据复杂性.
研究的目的:
- 引入scRDAN,一个新的强大的域适应网络,用于在scRNA-seq数据中准确的细胞类型注释.
- 为了解决与scRNA-seq分析固有的噪声干扰和批量效应.
- 提高细胞注释模型的稳定性和概括能力.
主要方法:
- scRDAN采用了三个模块:拒绝域调整,细粒度歧视和强度增强.
- 否定域调整使用特征重建和对抗性学习来调整数据分布.
- 细粒度歧视通过增强可分离性和紧性来改善细胞类型的区别.
- 强度增强引入噪声以改善模型的概括性.
主要成果:
- 与现有方法相比,scRDAN在处理批量效应方面表现出优异的性能.
- 该方法在不同数据集中显著提高了细胞类型注释的准确性.
- 对模拟,跨平台和跨物种数据的评估证实了scRDAN的有效性.
结论:
- scRDAN提供了一个强大的解决方案,用于在scRNA-seq数据中准确的细胞类型注释.
- 拟议的网络有效地减轻了噪声和批量效应,提高了分析可靠性.
- scRDAN代表了单细胞分析计算工具的重大进步.
