Loading [MathJax]/jax/input/TeX/config.js

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >[Genome Biology | 论文简读] 在评估单细胞RNA-seq数据聚类时考虑细胞类型层次关系

[Genome Biology | 论文简读] 在评估单细胞RNA-seq数据聚类时考虑细胞类型层次关系

智能生信

发布于 2022-12-29 09:16:59

发布于 2022-12-29 09:16:59

3170

举报

文章被收录于专栏：智能生信智能生信

简读分享 | 崔雅轩编辑 | 陈兴民

论文题目

Accounting for cell type hierarchy in evaluating single cell RNA-seq clustering

论文摘要

细胞聚类是单细胞RNA-seq数据分析中最常见的流程之一，其中有许多专门的算法可用。对这些方法的评价忽略了一个重要的生物学特征，即细胞群的结构是分层的，这可能会导致误导性的评价结果。在论文中，作者设计了两个新的指标，考虑到细胞类型的层次结构。本文举例说明了新指标在几个真实的单细胞数据集中的应用，并表明它们提供了生物学上更可信的结果。

论文链接

https://genomebiology.biomedcentral.com/articles/10.1186/s13059-020-02027-x

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-10-30，如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自智能生信微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

评论

登录后参与评论

暂无评论

编辑精选文章

换一批

鹅厂写码13年，我总结的程序员高效阅读方法论

进程，线程，协程 - 你了解多少？

微服务与分布式系统设计看这篇就够了！

腾讯文档表格卡顿指标探索之路

从Hadoop1.0到Hadoop2.0架构的优化和发展探索详解

微服务架构：由浅入深带你了解底层注册中心

【Genome Biology】四篇好文简读-专题1

https 网络安全大数据

GiniClust: detecting rare cell types from single-cell gene expression data with Gini index

智能生信

2022/04/06

3730

【Genome Biology】四篇好文简读-专题1

SLICER：从单细胞RNA-seq数据推断分支的非线性细胞轨迹

https 网络安全编程算法

SLICER是一种构建轨迹的算法，该轨迹描述了某些生物学过程中基因表达的变化。SLICER可以捕获高度非线性的基因表达变化，自动选择与该过程相关的基因，并检测轨迹中的多个分支和loop features。

生信编程日常

2020/04/16

9860

SLICER：从单细胞RNA-seq数据推断分支的非线性细胞轨迹

Genome Biology | DeepImpute：一种基于深度神经网络来插补单细胞RNA测序数据的方法

神经网络 scala 数据分析其他

今天给大家介绍密歇根大学的Lana X. Garmire教授等人发表在Genome Biology上的一篇文章 “DeepImpute: an accurate, fast, and scalable deep neural network method to impute single-cell RNA-seq data” 。单细胞RNA测序 (scRNA-seq) 为同时研究数万个单细胞的基因表达提供了新的机遇。本文提出了DeepImpute，一个基于深度神经网络的插补算法，它使用dropout层和损失函数来学习数据中的分布模式从而精确地插补缺失数据。总的来说，通过均方误差或皮尔逊相关系数衡量，DeepImpute比其他六种公开可用的插补方法精度更高。实验表明，DeepImpute是一个准确、快速、可扩展的插补工具，适合处理数量不断增长的scRNA-seq数据。

智能生信

2021/02/04

2.7K0

RNA-seq 详细教程：count 数据探索（4）

https 网络安全

当开始差异表达基因分析时，先从一个矩阵开始，该矩阵总结了数据集每个样本中的基因水平表达。矩阵中的行对应基因，列对应样本。在矩阵的每个位置，有一个整数值，表示源自样本中特定基因的序列读取总数（如下图）。

数据科学工厂

2023/02/27

7950

RNA-seq 详细教程：count 数据探索（4）

Genome Biology | iDNA-ABF: 基于多尺度深度学习的生物序列与功能语义模型实现DNA甲基化可解释性预测

迁移学习迁移

DNA甲基化（DNA methylation）为DNA化学修饰的一种形式，能够在不改变DNA序列的前提下，改变遗传表现。作为最早发现的基因表观修饰方式之一，DNA甲基化在维持正常细胞功能、染色体结构、X染色体失活、基因印记、胚胎发育过程、衰老以及疾病的发生中起着重要的作用。近些年，结合数据驱动的人工智能算法，利用DNA序列建模实现DNA甲基化预测，为加速甲基化的发现提供一种重要手段。然而，目前大部分的方法存在的问题在于模型缺乏可解释性，无法从序列层面建立起甲基化功能的对应关系。

智能生信

2022/12/29

5700

Genome Biology | iDNA-ABF: 基于多尺度深度学习的生物序列与功能语义模型实现DNA甲基化可解释性预测

[Nucleic Acids Research | 论文简读] 基于大规模数据整合的单细胞基因调控网络推理算法

cell data integration ip scale

Single-cell gene regulation network inference by large-scale data integration

智能生信

2022/12/29

2200

[Nucleic Acids Research | 论文简读] 基于大规模数据整合的单细胞基因调控网络推理算法

【Genome Biology】四篇好文简读-专题2

https spark 网络安全 css

SPARK-X: non-parametric modeling enables scalable and robust detection of spatial expression patterns for large spatial transcriptomic studies 论文摘要：

智能生信

2022/05/23

4930

【Genome Biology】四篇好文简读-专题2

[Genome Biology | 论文简读] 以知识为基础的神经网络能够对单细胞测序数据进行生物学上可解释的深度学习

深度学习神经网络

Knowledge-primed neural networks enable biologically interpretable deep learning on single-cell sequencing data

智能生信

2022/12/29

4260

[Genome Biology | 论文简读] 以知识为基础的神经网络能够对单细胞测序数据进行生物学上可解释的深度学习

【Genome Biology】四篇好文简读-专题3

https tcp/ip 网络安全 github git

A single-cell tumor immune atlas for precision oncology 论文摘要：

智能生信

2022/10/05

4750

【Genome Biology】四篇好文简读-专题3

[Bioinformatics | 论文简读] 通过顺序混合聚类和NMF在上万的细胞中评估单细胞异质性

Resolving single-cell heterogeneity from hundreds of thousands of cells through sequential hybrid clustering and NMF

智能生信

2022/12/29

4270

[Bioinformatics | 论文简读] 通过顺序混合聚类和NMF在上万的细胞中评估单细胞异质性

[Nature Communications | 论文简读] 一种用于清理单细胞RNA-Seq数据噪音的深度神经网络模型

auto cell data na network

A universal deep neural network for in-depth cleaning of

智能生信

2022/12/29

4420

[Nature Communications | 论文简读] 一种用于清理单细胞RNA-Seq数据噪音的深度神经网络模型

[Nat.Mach.Intell.|论文简读]scBERT 用于单细胞RNA-seq数据的细胞类型标注的大规模预训练深度语言模型

cell data model na scale

scBERT as a large-scale pretrained deep language model for cell type annotation of single-cell RNA-seq data

智能生信

2022/12/29

6770

[Nat.Mach.Intell.|论文简读]scBERT 用于单细胞RNA-seq数据的细胞类型标注的大规模预训练深度语言模型

[scientific reports | 论文简读] scCAN:使用自动编码器和网络融合的单细胞聚类算法

autoencoder na network sh using

scCAN: single‑cell clustering using autoencoder and network fusion

智能生信

2022/12/29

3920

[scientific reports | 论文简读] scCAN:使用自动编码器和网络融合的单细胞聚类算法

单细胞RNA-seq数据分析最佳实践（上）

数据分析 github git 开源

Luecken MD, Theis FJ. Current best practices in single-cell RNA-seq analysis: a tutorial. Mol. Syst. Biol. 2019, 15: e8746.

生信技能树jimmy

2020/03/30

2.6K0

复杂生物数据的Python创新可视化工具Marsilea正式发表在Genome Biology啦！

可视化数据 python 数据可视化工具

作者：郑易民 Yimin Zheng，郑志航 Zhihang Zheng，André F. Rendeiro（通讯），张仲荣Edwin Cheung（通讯）

生信技能树

2025/01/09

1140

复杂生物数据的Python创新可视化工具Marsilea正式发表在Genome Biology啦！

基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类

深度学习机器学习人工智能生物基因

今天给大家介绍由美国宾夕法尼亚大学佩雷尔曼医学院生物统计学，流行病学和信息学系Jian Hu等人在《Nature Machine Intelligence》上发表了一篇名为“Iterative transfer learning with neural network for clustering and cell type classification in single-cell RNA-seq analysis”的文章。文中提出了一种迁移学习算法ItClust，这是一种监督的机器学习方法,该方法借鉴了现有的受监督细胞类型分类算法的思想，利用了从源数据中学到的特定细胞类型的基因表达信息，来帮助对新生成的目标数据进行聚类和细胞类型分类。通过使用不同的scRNA-seq数据进行全面的评估，发现ItClust能够显著的提高聚类和细胞类型分类的准确性。随着scRNA-seq在生物医学研究中的日益普及，未来希望ItClust将更好地利用大量现有的经过良好注释的scRNA-seq数据集，并使研究人员能够准确地对研究中的细胞进行聚类和注释。

DrugAI

2021/02/02

8990

基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类

被忽视的真相 | 细胞亚群内互作

https cell 工具开发算法

最近在一个单细胞会议上听老师的报告，讲到细胞间相互作用(cell–cell interactions)，觉得挺有意思。结合自己做单细胞数据分析的经验，有不成熟的想法，这可能是当下众多细胞间相互作用算法没有重点讨论的，那就是：细胞亚群内的相互作用/通讯。

生信技能树jimmy

2023/08/31

3490

被忽视的真相 | 细胞亚群内互作

[Bioinformatics | 论文简读] 用于从单细胞 RNA 测序数据中预测基因调控的图注意力网络

cell data graph na prediction

Graph attention network for link prediction of gene regulations from single-cell RNA-sequencing data

智能生信

2022/12/29

5750

[Bioinformatics | 论文简读] 用于从单细胞 RNA 测序数据中预测基因调控的图注意力网络

SCENIC | 以single-cell RNA-seq数据推断基因调控网络和细胞功能聚类

na state target tfs

目前单细胞转录组领域用的比较多的细胞聚类方法大多是直接从基因表达矩阵推断，但是对于多样本合并分析，很多情况下会出现难以解决的批次效应，例如：

生信技能树jimmy

2020/03/30

9.3K1

单细胞RNA-seq预处理工具比较分析（bioRxiv）

NGS系列文章包括NGS基础、转录组分析（Nature重磅综述|关于RNA-seq你想知道的全在这）、ChIP-seq分析（ChIP-seq基本分析流程）、单细胞测序分析 (重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程（原理、代码和评述）)、DNA甲基化分析、重测序分析、GEO数据挖掘（典型医学设计实验GEO数据分析 (step-by-step) - Limma差异分析、火山图、功能富集）等内容。

生信宝典

2020/04/26

1.9K0

单细胞RNA-seq预处理工具比较分析（bioRxiv）

相关推荐

【Genome Biology】四篇好文简读-专题1

更多 >

LV.1

这个人很懒，什么都没有留下～

作者相关精选

换一批

加入讨论

的问答专区 >

相关课程

一站式学习中心 >

腾讯云向量数据库快速上手训练营

向量数据库

数字化IT从业者知识体系

社区富文本编辑器全新改版！诚邀体验～

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验