更高分辨率,更经济,深度生成模型与主动学习策略结合,推进大规模单细胞研究
编辑 | 萝卜皮单细胞测序是分析复杂疾病细胞复杂性的重要工具。然而,其高昂的成本阻碍了其在广泛的生物医学研究中的应用。传统的细胞反卷积方法可以从更便宜的批量测序数据中推断出细胞类型比例,但它们无法提供单细胞水平分析所需的精细分辨率。为了克服这一挑战,加拿大麦吉尔大学(McGill University)的研究人员引入了「scSemiProfiler」,这是一个创新的计算框架,将深度生成模型与主动学…- 6
- 0
从基因组到蛋白质组连续翻译,南开大学开发通用跨模态数据分解步骤
编辑 | 萝卜皮近期,科学家在单个细胞内同时分解多组学模态的进展,使得细胞异质性和分子层次结构的钻研成为可能。然而,技术限制导致多模态数据的高噪声和高昂的成本。在这里,南开大学的钻研团队提出了 scButterfly,一种基于双对齐变分自动编码器和数据巩固方案的多功能单细胞跨模态翻译步骤。通过对多个数据集的全面实验,钻研职员证明 scButterfly 在保留细胞异质性、同时翻译各种背景的数据集和…- 5
- 0
腾讯AI Lab 3篇蛋白质组论文当选国际顶级期刊,为阐释性命提供重要技能参考
编辑 | ScienceAI只有蛋白质组才能从根本上阐释性命。3月20日,腾讯 AI Lab实验室3篇蛋白质组论文相继当选国际顶级学术期刊,论文分别在蛋白质组的检测、阐明以及探究发现方面提出全新的钻研方案,为人类从根本上阐释性命提供重要技能参考。科学界曾经认为,只要绘制出人类基因组序列图,就能了解疾病的根源,但事实并非如此。相同的基因往往有不同的表达,比如,人体不同构造器官的基因组是一样的,但是各…- 2
- 0
哈工大与腾讯团队合作开发:一种专门针对蛋白质组数据设计的深度学习反卷积格式
编辑 | 萝卜皮细胞典型反卷积是一种用于从洪量测序数据中确定/解析细胞典型比例的计算格式,并且经常用于剖析肿瘤构造样本中的不同细胞典型。然而,由于重复性/再现性、参照标准可变以及缺乏单细胞蛋白质组参照数据的应战,使用蛋白质组数据剖析细胞典型的反卷积技巧仍处于起步阶段。哈尔滨工业大学、腾讯 AI lab 以及苏黎世联邦理工学院的研讨团队合作开发了一种专门针对蛋白质组数据设计的鉴于深度学习的反卷积格式…- 6
- 0
单细胞
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!