从单细胞种群中预测新出现的表型,使用CELLECTION
Hongru Hu1,1,2, Siddhant Sanghi1,1, Gerald Quon1,2
1Integrative Genetics and Genomics Graduate Group, University of California, Davis, CA, 95616, USA.
bioRxiv : the preprint server for biology
|September 15, 2025
概括
我们开发了CELLECTION,这是一个深度学习框架,用于识别细胞和遗传特征. 这种方法将生物实例的子组与疾病,发育和进化研究的新兴表型联系起来.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 发展生物学 发展生物学
背景情况:
- 生物系统显示出从集体成分行为中出现的现象型.
- 在遗传学和发育生物学等领域,了解这些新出现的特性是关键.
研究的目的:
- 引入CELLECTION,这是一个深度学习框架,用于将实例子组与新出现的表型联系起来.
- 为了证明CELLECTION在各种生物研究领域的实用性.
主要方法:
- 开发了一个名为CELLECTION的深度学习框架.
- 应用CELLECTION对异质任务,包括疾病分类和进化分析.
主要成果:
- CELLECTION能够对复杂的生物任务进行可解释的预测.
- 成功应用于识别与疾病相关的细胞亚型和调整发育阶段.
- 用于预测鸟类相对手翼指数,展示进化见解.
结论:
- CELLECTION提供了一种可扩展和灵活的方法来发现生物洞察力.
- 识别关键的细胞或遗传特征,这些特征是复杂特征的基础.
- 促进发展,疾病和进化生物学方面的研究.
更多相关视频
09:34A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations
Published on: October 25, 2018
6.0K
09:56Mapping the Emergent Spatial Organization of Mammalian Cells using Micropatterns and Quantitative Imaging
Published on: April 30, 2019
8.7K
