返回
MultiSpaceNet: graph-based joint representation learning for paired spatial transcriptome–proteome data
DOI:10.1093/bioinformatics/btag676.png)
摘要
En 中文
配对空间分析方法现可在同一组织切片上测量转录组与蛋白质组。现有整合方法在起始阶段便做出结构选择:每种模态采用独立图、早期融合将测得的蛋白质嵌入其中使其无法再被预测,或通过交集规则舍弃大部分相似性边。每种选择都限制了后续训练模型的功能。
期刊
IF:
5.4
论文数:
1.3K
被引数:
17.9W
机构
引用论文
Deep Profiling of Mouse Splenic Architecture with CODEX Multiplexed Imaging使用CODEX多路成像对小鼠脾脏结构进行深度分析
Cell
IF0
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 BIOTECHNOLOGY
IF41.7
Slide-seq: A scalable technology for measuring genome-wide expression at high spatial resolutionSlide-seq: 一种用于以高空间分辨率测量全基因组表达的可扩展技术
Science
IF0
Joint probabilistic modeling of single-cell multi-omic data with totalVI单细胞多组数据的totalVI联合概率建模
NATURE METHODS
IF32.1

