【论文阅读】 Single-cell RNA-seq denoising using a deep count autoencoder.

最新推荐文章于 2024-05-29 09:49:45 发布
最新推荐文章于 2024-05-29 09:49:45 发布
阅读量2.6k 收藏 10
点赞数 2
分类专栏： 论文阅读 文章标签： 论文 深度神经网络 nature communication 生物信息
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SherryCrystal/article/details/88013884
版权
本文介绍了Nature Communications上的一篇论文，提出了深度计数自动编码器网络（DCA）对单细胞RNA测序（scRNA-seq）数据进行降噪，针对scRNA-seq数据的零膨胀负二项分布特性，设计了相应的损失函数。DCA方法考虑了数据的计数分布、稀疏性和非线性依赖，适用于大规模细胞数据集的去噪，提高了scRNA-seq分析的准确性。
摘要由CSDN通过智能技术生成

简介

这是一篇2019年1月23日发表在nature communications 杂志上的文章。文章主要介绍了一种使用DCA对单细胞count数据进行降噪，其中自编码器的loss设计是本篇文章的亮点。作者认为（现有很多文章也进行过论证）single cell数据服从Zero Inflation Negative Binomial(ZINB) 零膨胀的负二项分布。而本篇文章的创新点也正是将ZINB和NB设计成为loss函数。文章地址为：戳我

背景介绍

单细胞RNA测序（scRNA-seq）使研究人员能够以细胞分辨率研究基因表达。然而，由于扩增和丢失引起的噪声可能阻碍分析，因此需要可扩展的去噪方法来获得越来越大但稀疏的scRNA-seq数据。我们提出深度计数自动编码器网络（DCA）来对scRNA-seq数据集进行去噪。

低RNA捕获率导致检测到表达基因失败，导致“假”零计数观察，定义为丢失事件。重要的是要注意“假”和“真”零计数之间的区别。真零计数表示基因在特定细胞类型中缺乏表达，因此真正的细胞类型特异性表达。因此，并非scRNA-seq数据中的所有零都可以被视为缺失值。在统计中，通常估算缺失的数据值。在此过程中，缺失值将随机或通过适应数据结构替换值，以改进统计推断或建模。由于真零假计数之间的非平凡区别，具有定义的缺失值

最低0.47元/天 解锁文章
SherryCrystal
关注
专栏目录
单细胞转录组测序技术(single cell RNA-seq)及细胞分离技术分类汇总
AIPuFu的博客
08-31 2万+
在过去的十多年里，高通量测序技术被广泛应用于生物和医学的各种领域，极大促进了相关的研究和应用。其中转录组测序（RNA-seq）被广泛应用于测定和描绘各类物种的基因或转录本的表达情况。但传统的转录组测序技术（bulk RNA-seq）是基于群体细胞，每个样本包含成千上万个细胞，所以最终反映的是基因在群体细胞中平均表达水平，从而掩盖了不同细胞之间的表达异质性。近年来，单细胞转录组测序（single-c...
【机器学习】单细胞-ZINB loss(零膨胀负二项分布)
sxl的博客
01-07 3898
单细胞RNA测序(single-cell RNA-seq，scRNA-seq)数据是非常有特点的数据，具有很高的稀疏性(high sparsity)，具体表现为0非常多(zero inflation)。对于数据的分布给出合理的假设是非常关键的工作，是下游分析的基础。显然对于scRNA-seq的reads count数据，最常用的正态分布是不合理的。首先正态分布描述的是连续型数据，而reads count数据是离散的；其次reads count数据的取值只能为非负整数。
Single cell RNA-seq denoising using a deep count autoencoder
weixin_30497527的博客
06-18 620
Autoencoder：机器学习中的自动编码器，这篇文章里面用的是去噪编码器，坊间称之为denoise autoencoder(DAE)，在sc-RNAseq中除去dropout的噪声是非常理想的一种模型。 Therefore，这篇文章已经发表在了NC的18年预印本上，证明其方法和文章质量很是不错。 基本原理of DAE： ###measurement noise from dro...
推荐：深度计数自编码器（DCA）——消除scRNA-seq数据噪声的利器
最新发布
gitblog_00050的博客
05-29 381
推荐：深度计数自编码器（DCA）——消除scRNA-seq数据噪声的利器 dca Deep count autoencoder for denoising scRNA-seq data 项目地址: https://gitcode.com/gh_mirrors/dc...
论文阅读：ZINB-Based Graph Embedding Autoencoder for Single-Cell RNA-Seq Interpretations
dundunmm的博客
04-29 1191
单细胞RNA测序（scRNA-seq）可以在单细胞水平上提供基因组范围内的基因表达水平的高通量信息，从而精确了解单个细胞的转录组信息。不幸的是，快速增长的单细胞RNA测序数据以及普遍存在的细胞丢失事件给细胞类型注释带来了巨大的挑战。本文提出一种基于单细胞模型的深度图嵌入聚类（scTAG）方法，它基于深度图卷积神经网络同时学习细胞间拓扑结构表示并识别细胞簇。
Deep AutoEncoder 和 CDL代码
serenysdfg的博客
02-28 427
Training Deep AutoEncoders for Collaborative Filtering 2017 Deep AutoEncoder 核心思想是希望能通过反向传播训练网络最小化输入和输出的误差，从而完成对未知的电影进行预估。 import warnings warnings.filterwarnings('ignore') import numpy as np impor...
10X单细胞（10X空间转录组）基础知识之AutoEncoder（自编码器）
weixin_53637133的博客
04-25 899
10X单细胞（10X空间转录组）基础知识之AutoEncoder（自编码器）
single-cell-rna-seq:单细胞RNA-seq工作流程，包括高度可变的基因分析，细胞类型分配和差异表达分析
05-28
Snakemake工作流程：single-cell-rna-seq 继和之后的单细胞RNA-seq工作流程，并添加了更多最新功能。 作者 约翰尼斯·科斯特（JohannesKöster）， //koesterlab.github.io 用法 无论如何，如果您在论文中使用此...
单细胞RNA测序（scRNA-seq）cellranger count的细胞定量和aggr整合.md
05-12
单细胞RNA测序（scRNA-seq）cellranger count的细胞定量和aggr整合
seq2seq-autoencoder:序列到序列自动编码器的Theano实现
05-16
title = {Audio word2vec: Unsupervised learning of audio segment representations using sequence-to-sequence autoencoder}, author = {Chung, Yu-An and Wu, Chao-Chung and Shen, Chia-Hao and Lee, Hung-Yi...
infercnvpy：从scRNA-seq数据推断拷贝数变异（CNV）。 与Scanpy完美搭配
02-07
infercnvpy：Scanpy插件可从单细胞转录组学数据推断拷贝数变异（CNV） Infercnv是可扩展的python库，用于从单细胞转录组学数据推断出拷贝数变异（CNV）事件。 它受InferCNV的启发，但是与很好，并且可伸缩性更高。 警告： 该软件包仍处于实验阶段。 该结果未经验证，只是它们看起来与InferCNV的结果相似但不相同。 我们很高兴收到反馈，欢迎您提供帮助！ 入门 请参考。 特别是 和 。 安装 您需要在系统上安装Python 3.8或更高版本。 如果您没有安装Python，建议您安装 。 安装infercnvpy的方法有几种： 从安装最新版本的infercnvpy： pip install infercnvpy 安装最新的开发版本： pip install git+https://github.com/icbi-lab/infercnvpy.gi
scRNA-seq Course 学习
Seraph09的博客
07-07 6309
昨天和今天都在学习scRNA-seq测序的教程。 scRNA-seq是对单个细胞进行测序分析，便于研究细胞的异质性。 scRNA-seq和bulk-RNA-seq相似，区别只在于研究的细胞数量，后者是对同一组织的大量细胞进行转录组的分析，而前者是对单个细胞进行转录组分析。 scRNA-seq的流程是制备单细胞，单细胞水平测序，数据分析。 昨天看到了分离单细胞和测序平台的方法上。 在分离单细胞方法有mirco-well plate、micro-fluid seq, droplet seq，分别是让细胞在微板上
scRNA-seq | 吐血整理的单细胞入门教程（从原理到代码实操）（二）
m0_72224305的博客
10-03 3463
scRNA-seq | 吐血整理的单细胞入门教程（从原理到代码实操）（二）
scDeepCluster:Clustering single-cell RNA-seq data with a model-based deep learning approach论文解读
Lemon_programme的博客
12-02 2828
这是2019年发表于nature子刊machine intelligence的一篇论文，作者是Tian Tian , Ji Wan, Qi Song and Zhi Wei。论文主要是提出了一个新的框架scDeepCluster,利用自编码器对单细胞RNA测序数据进行降噪分类，以及在二维平面图进行可视化。 论文模型图： 这是这是作者论文里展示的模型图，作者把图像处理领域应用的模型DEC和生物信息领域单细胞RNA测序数据降噪算法ZINB结合起来了，先用自编码器和ZINB损失结合对输入的单细胞RNA测序数据进
【论文阅读-Autoencoder】Generalized Autoencoder: A Neural Network Framework for Dimensionality Reduction
adaliu1998的博客
09-12 1769
1. 阅读前的预备知识：Autoencoder 无监督，主要用于数据降维或者特征抽取 pretrain：在深度学习中，autoencoder可用于在训练阶段开始前，确定权重矩阵的初始值 目标是让输入等于输出，为的是高维-->低维encode后损失的信息不多 对于多层神经网络，可以一层一层训练，固定之前的层之后来运行下一层的pretrain。 ...
深度自动编码器（Deep Auto-encoder）
one_super_doer的博客
02-06 1万+
深度自动编码器（Deep Auto-encoder） 本文是学习B站上李宏毅老师的机器学习笔记。 Auto-encoder 它做的事情和PCA、t-SNE一样，都是要降维。只是这里用网络结构来降维，降维的网络被称为Encoder，这个Encoder就是很多个隐层网络的网络结构，输入一张图片后会输出降维以后的结果。这个结果比PCA的结果复杂是因为它不是一个线性的东西。 通用有一个Decode...
Deep Auto-encoder
weixin_30748995的博客
08-25 385
autoencoder可以用于数据压缩、降维，预训练神经网络，生成数据等等。 autoencoder的架构 autoencoder的架构是这样的： 需要分别训练一个Encoder和一个Decoder。 比如，一张数字图片784维，放入Encoder进行压缩，编程code，通常要小于原来的784维； 然后可以将压缩后的code，放入Decoder进行reconsturct，产生和原来相...
深度学习（4）
GL_a_的博客
06-24 631
九、Deep Learning的常用模型或者方法 9.1、AutoEncoder自动编码器 Deep Learning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入是相同的，然后训练调整其参数，得到每一层中的权重。自然地，我们就得到了输入I的几种不同表示（每一层代表一种表示），这些表示就是特征。自动
计数数据分析模型:零膨胀负二项（ZINB）回归模型
热门推荐
hanwanbing的博客
11-08 1万+
1.计数统计模型 4.4 计数数据模型 - 百度文库https://wenku.baidu.com/view/2b488e62561252d380eb6eac.html2.python中df.describe()先进行描述性统计 df.describe() 用法概述_JRighte的博客-CSDN博客_df.describe()python数据清理方面一般都会用到df.describe()这个函数，但其实这是可以传参数的。比如以泰坦尼克号生存预测为例df =pd.read_csv('./train.c.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值