.png){kind=icon}
返回
A Flexible Data-Driven Framework for Correcting Coarsely Annotated scRNA-seq Data
.png){kind=icon}
PRE
AI
DOI：10.26599/BDMA.2025.9020009.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
细胞是生命的基本单位，并在结构、行为和功能上表现出显著的多样性，即细胞异质性。单细胞RNA测序（scRNA-seq）技术的兴起与发展为研究细胞异质性提供了关键的数据基础。目前，大多数基于scRNA-seq的计算方法涉及先聚类再注释的顺序过程。然而，这些基于聚类的方 法易受基因选择和聚类参数的影响，导致细胞注释存在不准确。为解决此问题，我们开发了一种基于部分注释scRNA-seq数据的灵活数据驱动细胞校正框架。该框架采用邻域纯度策略和全局选择策略来选择锚定细胞。然后，它通过使用带有对比正则化项的分类损失优化预测神经网络模型，以校正剩余细胞的标签。该校正框架的有效性通过在真实scRNA-seq数据集上的多种评估得到验证。基于scRNA-seq数据的正确标签，我们进一步评估了最新的无监督聚类方法，从而建立了更客观的基准来比较它们的性能。
Keyword:
Training
Sequential analysis
Annotations
Clustering methods
RNA
Neural networks
Pipelines
Predictive models
Reliability engineering
Web servers
single-cell RNA sequencing (scRNA-seq)
cell heterogeneity
cell annotation
supervised contrastive learning
期刊
IF:
6.2
论文数:
274
被引数:
1.0K
机构
引用论文
scNCL: transferring labels from scRNA-seq to scATAC-seq data with neighborhood contrastive regularizationscNCL: 通过邻域对比正则化将标签从单细胞RNA测序数据迁移到单细胞ATAC测序数据
OAAI
OAAI分享收藏GLOBE: a contrastive learning-based framework for integrating single-cell transcriptome datasetsGLOBE: 一个基于对比学习的单细胞转录组数据集整合框架
PREAI
分享收藏Cathepsin S (CTSS) activity in health and disease-A treasure trove of untapped clinical potentialOAAI
OAAI分享收藏Self-supervised contrastive learning for integrative single cell RNA-seq data analysis用于整合单细胞rna-seq数据分析的自监督对比学习
OAAI
OAAI分享收藏GiniClust2: a cluster-aware, weighted ensemble clustering method for cell-type detectionGiniClust2: 一种用于细胞类型检测的聚类感知加权集成聚类方法.png)
GENOME BIOLOGYOAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏From Louvain to Leiden: guaranteeing well-connected communities从鲁汶到莱顿: 保证良好连接的社区SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容