scKGBERT:一个知识增强的基础模型,用于单细胞转录组学
Yang Li1, Guanyu Qiao1,2, Hongli Du3
1College of Computer and Control Engineering, Northeast Forestry University, Harbin, 150040, China.
Genome biology
|November 25, 2025
概括
我们开发了scKGBERT,这是单细胞分析的新型基础模型. 它整合了基因表达和蛋白质相互作用,以改善细胞表征和疾病预测.
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:
- 单细胞转录组学提供了详细的细胞异质性见解.
- 现有的模型很难将基因关联纳入,从而限制了生物学理解.
研究的目的:
- 为单细胞分析开发一个知识增强的基础模型.
- 通过整合各种生物数据来改善基因和细胞的表现.
主要方法:
- 整合了4100万个单细胞RNA测序配置文件,具有890万个蛋白质-蛋白质相互作用.
- 开发了scKGBERT,这是一个利用高斯注意力来强调基因的基础模型.
- 共同学习基因和细胞表征,以增强生物洞察力.
主要成果:
- 在基因注释,药物反应预测和疾病预测任务中取得了卓越的表现.
- 通过强调关键基因,证明了改善生物标记物识别.
- 单细胞数据的增强生物解释性.
结论:
- scKGBERT为精准医学提供了一个强大的资源.
- 该模型有助于更深入地发现疾病机制.
- 整合相互作用数据显著改善了单细胞数据分析.
相关概念视频
01:58Cell Specific Gene Expression
5.4K
5.4K
01:58Cell Specific Gene Expression
16.2K
Multicellular organisms contain a variety of structurally and functionally distinct cell types, but the DNA in all the cells originated from the same parent cells. The differences in the cells can be attributed to the differential gene expression. Liver cells, whose functions include detoxification of blood, production of bile to metabolize fats, and synthesis of proteins essential for metabolism, must express a specific set of genes to perform their functions. Gene expression also varies with...
16.2K