Interpretable multi-omics representation learning via covariate-augmented generalized factor model

Wei Liu

doi:10.1016/j.patcog.2026.114718

Interpretable multi-omics representation learning via covariate-augmented generalized factor model

2026-09-02

0

PRE

AI

DOI：10.1016/j.patcog.2026.114718

原文链接

原文求助

摘要

En 中文

• 我们提出了一种协变量增强的广义因子模型CMGFM，该模型针对具有异构变量类型和尺度的单细胞和空间多组学进行了优化。 • 该模型通过指数族链接学习组学共享和组学特定的潜在表示，用于高维基因计数、二元峰或连续信号。 • 通过显式整合辅助信息来改善细胞分型和空间域分割。 • 一种变分EM算法确保了线性时间可扩展性，并在数据集上取得了优异的性能，同时提供了R软件包。

Keyword:

Multi-omics data

Representation learning

Cross-modal heterogeneity

Latent factors

Interpretability

Interpretable multi-omics representation learning via covariate-augmented generalized factor model

摘要

期刊

机构

引用论文