.png){kind=icon}
返回
SCONE: a subset-contrastive method for multi-omics network embedding
.png){kind=icon}
OA
AI
DOI：10.1093/bib/bbag381.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于网络的组学数据分析被广泛应用，尽管其中许多方法已被适配到单细胞场景，但它们通常仍需大量内存和空间。因此，这些方法更适合批量数据或较小数据集。此外，网络方法在多组学中的应用常依赖基于相似性的网络，这些网络缺乏结构离散的拓扑。这一限制可能降低最初为结构更明确的拓扑设计的图方法的效能。我们提出子集对比多组学网络嵌入（SCONE）方法，该方法通过可扩展的子图对比方法，在大数据集上应用对比学习技术。通过利用许多基于网络组学方法的成对相似性基础，我们将这一特性转化为优势，开发了一种旨在实现可扩展且有效分析的方法。我们的方法在单细胞数据中展示了协同组学整合用于细胞类型聚类的能力。此外，我们在一个批量多组学整合场景中评估了其性能，SCONE在仅利用原始数据有限视图的情况下，表现与当前最佳方法相当。我们期待这些发现将激励对组学数据中子集对比方法应用的进一步研究。
查看更多机构
.png){kind=icon}
