.png){kind=icon}
返回
Benchmarking single-cell multi-modal data integrations
.png){kind=icon}
PRE
AI
DOI：10.1038/s41592-025-02737-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期进展已经能够生成无配对（单独分析）和配对（同时测量）的单细胞多模态数据集，推动了单细胞多模态整合工具的快速发展。然而，迫切需要建立全面的基准来评估在不同整合数据集类型、整合模态、数据集规模和数据质量下的算法性能。本文介绍了一个系统性的基准测试，涉及40种单细胞多模态整合算法，涵盖了DNA、RNA、蛋白质和空间组学模态，适用于配对、无配对和马赛克数据集（混合配对和无配对数据集）。我们评估了这些算法的实用性、准确性和鲁棒性，以帮助研究人员选择适合其数据集和应用场景的整合方法。本基准为单细胞多组学这一持续发展的领域提供了有价值的指导。本注册报告呈现了对单细胞多模态数据整合方法的全面基准测试分析。
期刊
IF:
32.1
论文数:
7.2K
被引数:
12.7W
机构
引用论文
Identifying temporal and spatial patterns of variation from multimodal data using MEFISTO使用MEFISTO从多模态数据中识别变化的时空模式.png)
NATURE METHODS
OAAI
NATURE METHODSIF32.1
OAAI分享收藏Stabilized mosaic single-cell data integration using unshared features使用非共享特征的稳定马赛克单细胞数据集成NATURE BIOTECHNOLOGYOAAI
NATURE BIOTECHNOLOGYIF41.7
OAAI分享收藏Mosaic integration and knowledge transfer of single-cell multimodal data with MIDAS基于MIDAS的单细胞多模态数据的马赛克集成与知识转移NATURE BIOTECHNOLOGYOAAI
NATURE BIOTECHNOLOGYIF41.7
OAAI分享收藏A deep generative model for multi-view profiling of single-cell RNA-seq and ATAC-seq dataGENOME BIOLOGYOAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏Spatial epigenome–transcriptome co-profiling of mammalian tissues哺乳动物组织的空间表观基因组-转录组共谱分析NatureOAAI
NatureIF0
OAAI分享收藏
查看更多内容