相关实验视频
Updated: Jan 8, 2026

10:16
Mining Spatial Transcriptomics Datasets using DeepSpaceDB
Published on: September 5, 2025
618
转录组学中的人工智能革命:从单细胞到空间地图集
Shixin Li1,2,3,4, Tianxiang Xiao1,2,3,4, Yuanyuan Lan1,2,3
1State Key Laboratory of Genetic Evolution & Animal Models, Kunming Institute of Zoology, Chinese Academy of Sciences, Kunming, 650201, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|December 12, 2025
概括
人工智能 (AI) 为分析大规模单细胞RNA测序 (scRNA-seq) 和空间转录组学 (ST) 数据提供了先进的计算策略. 这篇评论探讨了人工智能.
科学领域:
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 和空间转录组学 (ST) 产生复杂的,大规模的数据集.
- 传统的计算方法在可扩展性和多模式集成方面面临局限性.
- 人工智能 (AI) 为转录基因数据分析提供了新的解决方案.
研究的目的:
- 在整个转录基因分析工作流程中审查人工智能应用.
- 追踪人工智能模型在转录学中的演变和趋势.
- 为研究人员和开发人员提供人工智能工具选择和设计方面的指导.
主要方法:
- 在转录基因数据预处理中对人工智能应用的调查.
- 对AI进行下游分析的审查:轨迹推断,基因调控网络重建,空间域检测.
- 分析AI模型的优势,局限性和适用性.
主要成果:
- 人工智能使复杂的转录基因数据的高级分析和解释成为可能.
- 人工智能模型显示了各种趋势和特定领域的适用性.
- 确定了转录学学人工智能的关键创新,挑战和未来方向.
结论:
- 人工智能是转录基因数据分析中的变革力量.
- 本综述为人工智能模型的选择和开发提供了实际指导.
- 未来的方向强调人工智能的持续创新,用于生物发现.

