Nature子刊，北大陈语谦团队提出多模态单细胞数据整合和插补的深度学习方法

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑 | ScienceAI 今天为大家介绍的是来自北京大学信息工程学院、化学生物学与生物技术学院省部共建肿瘤化学基因组学国家重点实验室、鹏城国家实验室合聘研究员和 AI4S 平台中心主任陈语谦教授团队发表在《 Nature Communications 》的论文。 该团队开发了一种新型的多模态整合方法，能够实现多模态单细胞数据的整合与插补，这一成果可以促进多模态单细胞数据的分析。 文章链接： https://www.nature.com/articles/s41467-024-53355-6 背景介绍 异构特征空间和技术噪声阻碍了细胞数据的整合和插补。跨模态获取配对数据的高成本进一步限制了分析。因此，迫切需要深度学习方法来有效地整合和插补不配对的多模态单细胞数据。 在此，作者设计了模态联结自编码器 Monae。Monae 联结模态之间的关系，并 ………………………………