English(EN) Bridging Graph and Pairwise Learning for Gene Regulatory Network Inference from scRNA-seq Data

新的scGPL框架增强了基因调控网络的推断

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员开发了scGPL，这是一个新颖的框架，旨在改进从单细胞RNA测序数据中推断基因调控网络（GRNs）。该方法整合了基于图和成对的学习方法，通过同时考虑全局拓扑结构和局部TF-目标基因相互作用来解决各自的局限性。实验表明，scGPL的性能显著优于现有方法，在基准数据集上的改进高达13.7%。该框架的代码可在GitHub上公开获取，以确保可复现性。 AI

影响增强了生物数据分析能力，有望加速基因组学和系统生物学领域的发现。

排序理由该集群描述了一篇发表在arXiv上的新研究论文，其中详细介绍了一种用于生物数据分析的新型计算框架。[lever_c_demoted from research: ic=1 ai=0.7]

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 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇发表在arXiv上的新研究论文，其中详细介绍了一种用于生物数据分析的新型计算框架。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Hang Li, Jiaxin Qi, Yan Cui, Yuhua Zheng, Jianqiang Huang · 2026-11-11 05:00

从scRNA-seq数据中推断基因调控网络的图与成对学习的桥接

arXiv:2611.13801v1 Announce Type: cross Abstract: Motivation: Gene regulatory networks (GRNs) capture the underlying interactions through which transcription factors (TFs) regulate genes. Based on gene expression data, existing GRN inference approaches generally fall into two cat…

本文如何被排名

报道来源 [1]

从scRNA-seq数据中推断基因调控网络的图与成对学习的桥接

相关实体

相关话题