.png){kind=icon}
返回
Imputing missing values in single-cell RNA-sequencing data: a statistical and machine learning-based approach
.png){kind=icon}
PRE
AI
DOI：10.1093/bib/bbag072.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
单细胞RNA测序(scRNA-seq)为捕获单个细胞内的基因表达模式提供了有力工具。然而，由于细胞内RNA含量有限，存在dropout事件，导致单细胞表达矩阵中出现大量零计数。为解决此问题，我们提出了一种名为单细胞dropout检测与插补(scDDI)的新方法。该方法利用泊松-负二项混合模型识别dropout事件，并随后使用决策树回归模型对缺失值进行插补。我们在模拟和真实scRNA-seq数据集上评估了scDDI的性能，证明了其优于现有的单细胞插补技术。值得注意的是，scDDI显著提高了dropout检测能力，从而在基因表达恢复、细胞聚类和细胞亚群识别等下游分析任务中表现出更优的性能。
Keyword:
single-cell RNA-sequencing
dropout
imputation
regression
clustering
downstream analysis
期刊
IF:
7.7
论文数:
5.8K
被引数:
2.7W
机构
引用论文
Single-cell RNA-Seq profiling of human preimplantation embryos and embryonic stem cells人植入前胚胎和胚胎干细胞的单细胞rna-seq谱
PREAI
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.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏Best practices on the differential expression analysis of multi-species RNA-seq多物种rna-seq差异表达分析的最佳实践GENOME BIOLOGYOAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏scGNN is a novel graph neural network framework for single-cell RNA-Seq analysesscGNN是一种用于单细胞rna-seq分析的新型图形神经网络框架NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Rare Cell Detection by Single-Cell RNA Sequencing as Guided by Single-Molecule RNA FISHCELL SYSTEMSOAAI
CELL SYSTEMSIF7.7
OAAI分享收藏
查看更多内容