换一批
换一批基于迁移学习的空间转录组数据解卷积算法
A deconvolution algorithm based on transfer learning for spatial transcriptomics
摘要空间转录组(Spatial transcriptomics,ST)测序技术可以捕获多个细胞的空间位置信息,但无法达到单细胞分辨率,阻碍了对细胞类型异质性空间模式和基因表达特异性的解析.针对ST数据,本文提出了基于DenseNet网络结构和CORAL域自适应理论的细胞类型解卷积算法(STDN).STDN通过学习引入的单细胞转录组(Single cell RNA sequencing,scRNA-seq)数据的细胞类型信息,利用迁移学习模型将其迁移到ST数据上,从而达到预测ST数据中每个捕获位点(Spot)的细胞类型组成及比例的目的.本文通过 4 组scRNA-seq真实数据及模拟的配套ST数据,表明STDN可以有效地恢复细胞类型转录谱及其在Spots内的比例,且优于其它解卷积算法.STDN对小鼠海马体和人类胰腺导管腺癌的ST数据进行解卷积,确定了组织中的多种细胞类型,解析了组织和癌症的高度异质性,为研究疾病的致病机理奠定了基础.
更多相关知识
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
