scRNA-seq
文章平均质量分 95
OFF JUMPOL
这个作者很懒,什么都没留下…
展开
-
Efficient Deep Embedded Subspace Clustering
最近,深度学习方法在数据聚类任务中取得了重大进展。深度聚类方法(包括基于距离的方法和基于子空间的方法)将聚类和特征学习整合到一个统一的框架中,聚类和表示之间相互促进。然而,深度子空间聚类方法通常是在自表达模型的框架下进行的,具有二次的时间和空间复杂度,阻碍了其在大规模聚类和实时聚类中的应用。本文提出了一种新的深度聚类机制。我们的目标是通过迭代精炼的方式从深度表示中学习子空间基,而精炼的子空间基反过来帮助学习深度神经网络的表示。该方法摆脱了自表达框架,线性扩展到样本大小,适用于任意大的数据集和在线聚类场景。原创 2023-08-28 14:51:25 · 175 阅读 · 0 评论 -
SCDC--Clustering single-cell RNA-seq data with a model-based deep learning approach
单细胞RNA测序(scRNA-seq)有望提供比大量RNA测序更高的细胞差异分辨率。通过scRNA-seq对转录组进行聚类分析,可以揭示细胞的异质性和多样性。然而,scRNA-seq数据的聚类分析仍然是一个统计和计算上的挑战,因为普遍存在的退出事件使数据矩阵与普遍的“假”零计数观测模糊。在这里,我们开发了scDeepCluster,这是一种基于单细胞模型的深度嵌入聚类方法,它通过对scRNA-seq数据生成的显式建模来同时学习特征表示和聚类。原创 2023-08-23 16:17:59 · 490 阅读 · 0 评论 -
Spectral clustering based on learning similarity matrix
单细胞rna测序(scRNA-seq)技术可以在单细胞水平上生成全基因组表达数据。scRNA-seq分析的一个重要目标是对细胞进行聚类,其中每个聚类由基于基因表达模式的属于相同细胞类型的细胞组成。:我们引入了一种新的谱聚类框架,它在目标矩阵上施加稀疏结构。具体来说,我们利用多个双重随机相似矩阵来学习相似矩阵,其动机是观察到每个相似矩阵可以是数据的不同信息表示。原创 2023-08-23 10:33:26 · 135 阅读 · 0 评论 -
scDeepCluster_pytorch代码解读与文章理解
论文:Clustering single-cell RNA-seq data with a。原创 2023-07-04 21:05:04 · 327 阅读 · 0 评论 -
Imputation Methods for scRNA Sequencing Data
越来越多的研究者使用单细胞RNA测序(scRNA-seq)技术来表征单细胞水平的转录图谱。他们用它来研究复杂组织的异质性、转录组动力学和未知生物的多样性。然而,在基因表达模式随机性的scRNA-seq数据中普遍存在许多技术和生物学上的噪音。这些数据通常具有高维、稀疏和大量“dropout”值的特点,并且受批处理效应的影响。scRNA-seq数据中大量的“dropout”值严重掩盖了基因之间的重要关系,阻碍了下游分析。因此,scRNA-seq数据dropout值的估算就显得尤为重要。原创 2023-06-06 21:01:49 · 164 阅读 · 0 评论