文章预览
本文继续介绍一篇基于 图神经网络 (Graph Neural Networks, GNN) 的多组学数据整合的算法 scMoGNN. 这个算法在 NeurIPS (Conference on Neural Information Processing Systems) 2021 Competition 的模态预测比赛中夺冠，并于 2022 年发表在 KDD 2022 上，作者为 Hongzhi Wen 等人. scMoGNN 的代码集成在了 DANCE 项目中，做多组学整合研究的同学可以关注下这个项目. 论文链接：https://arxiv.org/abs/2203.01884 代码链接：https://github.com/wehos/scmognn DANCE：https://github.com/OmicsML/dance 背景 随着单细胞测序的技术发展，现在已经能够同时获取同一个细胞的多个组学数据，例如基因表达 (scRNA-seq)，染色质可及性 (scATAC-seq) 和蛋白质丰度等，例如： CITE-seq 技术可以同时定量 mRNA 的表达和表面蛋白的丰度； sci-CAR、Paired-seq 以及 SNARE-seq 技术可以联合测序 mRNA 的表达和染色质可及性； 这些多组学测序技术的出现，为
………………………………
