在下游基准上,无参数表示的表现优于单细胞基础模型的表现

科学领域:

• 计算生物学 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) 数据具有固有的统计结构,推动了先进的基础模型的开发.
• 像TranscriptFormer这样的基于变压器的模型通过将基因嵌入潜伏空间来学习基因表达模式,在各种生物任务中实现最先进的 (SOTA) 结果.

研究的目的:

• 调查SOTA在分析scRNA-seq数据中的性能是否可以通过使用计算效率高,可解释的方法而不是复杂的深度学习表示来实现.
• 评估简单规范化和线性建模管道与已建立的基础模型的有效性.

主要方法:

• 开发可解释的管道,使用谨慎的数据规范化技术.
• 应用线性方法用于基因表达数据分析.
• 与SOTA基金会模型对已建立的数据集和分布之外的任务进行比较.

主要成果:

• 简单的线性管道在scRNA-seq数据分析的多个基准中实现了SOTA或接近SOTA的性能.
• 这些方法在分布之外的任务上表现优于基础模型,包括在培训数据中不存在的新型细胞类型和生物体.
• 证明线性表示可以有效地捕捉细胞身份的生物学.

结论:

• 在scRNA-seq数据分析中实现高性能并不总是需要计算密集的深度学习表示.
• 严格的基准测试对于评估基因组学计算方法的真正能力至关重要.
• 可解释的线性模型为从基因表达数据中理解细胞身份提供了强大而高效的替代方案.