English(EN) Modeling Temporal scRNA-seq Data with Latent Gaussian Process and Optimal Transport

新框架使用高斯过程和最优传输对时间单细胞RNA数据进行建模

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-20 10:24

研究人员开发了一个新的生成框架来模拟单细胞RNA测序数据中的时间过程。该方法利用通过希尔伯特空间方法近似的潜伏性异方差高斯过程来捕捉种群趋势。采用最优传输目标来对齐生成和观察到的分布，解决了从静态数据推断轨迹的挑战。该方法通过考虑细胞特异性潜伏时间和细胞类型条件来显式建模生物异质性，在插值和外推基准测试中展示了最先进的性能。 AI

影响引入了一个新颖的生成框架，用于分析复杂的生物数据，有可能改善对细胞过程的见解。

排序理由该集群包含一篇详细介绍分析生物数据的新颖方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Harri Lähdesmäki · 2026-05-20 10:24

使用潜高斯过程和最优传输对时间 scRNA-seq 数据进行建模

Single-cell RNA sequencing provides insights into gene expression at single-cell resolution, yet inferring temporal processes from these static snapshot measurements remains a fundamental challenge. Current approaches utilizing neural differential equations and flows are sensitiv…

报道来源 [1]

使用潜高斯过程和最优传输对时间 scRNA-seq 数据进行建模

相关实体

相关话题