换一批摘要单细胞转录组测序(single-cell RNA sequencing)是一种在单细胞水平上对全基因组基因表达进行高通量测序的技术,能有效解析细胞群体异质性,目前广泛应用于发育、疾病等研究领域.由于单细胞转录组数据通常存在高噪声、高维度和高稀疏性等特征,传统分析方法在处理这些数据时存在明显局限性.近年来,以自编码器、生成对抗网络为代表的深度学习模型被广泛应用到单细胞转录组数据分析中,包括表达值插补、批次效应校正、数据降维、细胞聚类和细胞类型注释等,并展现了深度学习在单细胞转录组数据分析中的优越性.特别地,基于Transformer的深度学习大模型,通过自注意力机制学习基因间隐含依赖关系以及基因表达与细胞之间的关联,为单细胞转录组数据分析提供了新路径和发展方向,并为多模态组学整合分析提供了创新的解决方案和潜在的应用前景.
更多相关知识
栏目名称
DOI
10.20059/j.cnki.pps.2025.03.1008
发布时间
2025-07-15（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览3
- 被引1
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
