.png){kind=icon}
返回
Adaptive multi-view information bottleneck for multi-omics data clustering
.png){kind=icon}
OA
AI
DOI：10.1093/bib/bbaf717.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动机：单细胞测序技术的最新进展已转变了对基因表达在细胞分辨率下的精确测量，使得对细胞异质性和复杂生物过程的空前解析成为可能。多组学数据的积累为细胞聚类提供了新的途径——这是细胞类型鉴定和下游分析的关键基础。然而，同时实现多组学数据中互补信息的有效整合及其适当权重分配仍存在重大挑战。结果：在此，我们提出了一种基于信息瓶颈原理的自适应多视图聚类框架，以解决多组学数据聚类任务（命名为scAMVIB）。所提出的模型能够学习多视图组学表示，捕获组学间的关联和组学特有的模式，并进行自适应权重分配。具体而言，多视图数据包含两个组成部分：（i）通过相似性网络融合策略获得的整合组学特征矩阵；（ii）来自不同平台的组学特有表示。这些输入通过一个多视图信息瓶颈聚类框架进行处理，该框架利用跨视图互补性增强表示。视图权重通过最大熵正则化自适应分配，与其信息量成比例。最终细胞划分通过顺序迭代优化获得。跨多个数据集的综合实验表明，scAMVIB在聚类方面具有强大的竞争力，同时保持生物学可解释性。
Keyword:
multi-omics data clustering
multi-view information bottleneck
adaptive weighting mechanisms
期刊
IF:
7.7
论文数:
5.8K
被引数:
2.7W
机构
引用论文
Supervised capacity preserving mapping: a clustering guided visualization method for scRNA-seq dataOAAI
OAAI分享收藏nsDCC: dual-level contrastive clustering with nonuniform sampling for scRNA-seq data analysisnsDCC: 用于scrna-seq数据分析的具有非均匀采样的双层对比聚类
OAAI
OAAI分享收藏Research Techniques Made Simple: Single-Cell RNA Sequencing and its Applications in Dermatology研究技术变得简单: 单细胞RNA测序及其在皮肤病学中的应用OAAI
OAAI分享收藏scDART: integrating unmatched scRNA-seq and scATAC-seq data and learning cross-modality relationship simultaneouslyscDART: 整合无与伦比的scrna-seq和scatac-seq数据，同时学习跨模态关系.png)
GENOME BIOLOGYOAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏Dft\_anpd: a dual-feature two-sided attention network for anticancer natural products detectionDft\_anpd：一种用于抗癌天然产物检测的双特征双向注意力网络
IF0
PREAI
分享收藏
查看更多内容