研讨会介绍:人工智能方法在单细胞空间体质学方面的进步
Lana Garmire1, Xiuwei Zhang2, Joshua Levy3
1The University of Alabama at Birmingham, Birmingham, Alabama 35294, United States, lgarmire@uab.edu.
Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
|February 27, 2026
概括
本次研讨会探讨了人工智能 (AI) 和机器学习在单细胞空间奥米克方面的进展,包括转录组学,蛋白组学和代谢组学. 它涵盖数据集成,细胞相互作用建模,以及精密医学的疾病应用.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物技术是生物技术.
背景情况:
- 单细胞空间奥米克技术在组织环境中产生高分辨率的分子数据.
- 整合多组数据 (转录组,蛋白组,代谢组) 对于理解细胞异质性至关重要.
- 人工智能 (AI) 和机器学习 (ML) 为分析复杂的空间奥米克数据集提供了强大的工具.
研究的目的:
- 突出 AI/ML 方法的最新进展,应用于单细胞空间空间.
- 讨论空间信息学数据集成和分析方面的挑战和机遇.
- 探索人工智能驱动的空间奥米克在疾病和精准医学中的翻译应用.
主要方法:
- 对空间转录组学,蛋白组学和代谢组学当前的AI/ML算法的审查.
- 讨论整合多模式空间信息学数据的方法.
- 探索用于建模细胞相互作用和空间模式的计算方法.
主要成果:
- 最近的AI/ML发展使空间奥米克数据的更复杂分析成为可能.
- 新的方法有助于整合多样化的空间奥米克数据集.
- 人工智能驱动的洞察力正在出现,以了解疾病机制并指导精准医学.
结论:
- 人工智能和机器学习对单细胞空间奥米克研究具有变革性.
- 需要进一步开发AI/ML方法,以实现强大的数据集成和解释.
- 人工智能在空间空间学中的应用对推动生物医学研究和临床实践具有重大前景.
