PulseAugur
中
实时 00:46:31
English(EN) LapDDPM: Spectral Perturbation Diffusion for Robust Single-Cell Manifold Generation

LapDDPM模型通过鲁棒的流形学习增强单细胞数据生成

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了LapDDPM，一种新的条件图扩散概率模型，旨在生成高保真度的合成单细胞RNA测序数据。该模型集成了基于图的归纳偏置和基于分数的生成模型，并包含一种新颖的谱对抗扰动机制。该机制充当分布鲁棒优化框架，增强了对细胞数据中技术噪声和结构变异的鲁棒性。LapDDPM还已扩展到处理空间转录组学和多模态数据，在各种数据集的分布匹配和流形保持方面表现优于现有方法。 AI

影响 增强了复杂生物数据的生成，有可能加速计算生物学和转录组学领域的研究。

排序理由 该集群包含一篇详细介绍新模型和数据生成方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LapDDPM模型通过鲁棒的流形学习增强单细胞数据生成

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Lorenzo Bini, Stephane Marchand-Maillet ·

    LapDDPM：用于鲁棒单细胞流形生成的谱扰动扩散

    arXiv:2506.13344v2 Announce Type: replace-cross Abstract: Generating high-fidelity and biologically plausible synthetic single-cell RNA sequencing (scRNA-seq) data is a critical challenge in computational biology, driven by the need to model high-dimensional, sparse, and non-line…

相关话题