神经MDAVIS:在深度学习框架下的单细胞多组数据的可视化

科学领域:

• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 单细胞技术产生多omics数据,提供多视图的蜂信息.
• 由于数据的复杂性,分析高维多omics数据以获得生物学见解是具有挑战性的.
• 现有的缩小维度和可视化方法都在努力保护本地和全球数据结构.

研究的目的:

• 介绍NeuroMDAVIS,一个新的无监督深度神经网络,用于多模式生物数据集的联合可视化.
• 开发一种方法,将不同的奥米克层集成到一个共享的潜空间中,以增强生物解释.
• 提供一个强大的可视化工具,与最先进的方法竞争.

主要方法:

• 开发了NeuroMDAVIS,一个无监督的深度神经网络模型.
• 通过转换和整合多种omics模式的特征空间来实现联合可视化.
• 在共享的潜伏空间中,跨欧米克层捕获模式特定和共同的信息.

主要成果:

• 神经MDAVIS有效地学习本地和全球数据关系,产生有意义的低维嵌入.
• 该模型在下游分类和聚类任务 (准确性,精度,回忆,F1分数) 中表现出色.
• 神经MDAVIS有效地与t-SNE,UMAP,Fit-SNE,IVIS和MultiMAP等已建立的可视化技术进行竞争.

结论:

• NeuroMDAVIS 是第一个为多模式生物数据集提供联合可视化的模型.
• 该模型为分析复杂的多omics数据提供了强大的和高效的方法.
• 通过集成的数据可视化,NeuroMDAVIS促进了对生物系统的更深入的理解.