classification of cells

机器学习分类器在 scRNA-seq 细胞类型分类中的基准测试

一项近期研究对单细胞 RNA 测序数据中的十种机器学习分类器进行了细胞类型分类基准测试，重点关注外周血单个核细胞。该研究强调了类别不平衡的关键问题，即稀有细胞类型显著代表性不足。结果表明，类别加权逻辑回归模型表现最佳，宏观 F1 分数达到 0.929，优于神经网络和树集成等更复杂的模型。研究还强调，在类别不平衡数据中，标准准确率指标可能具有误导性，明确的类别加权对于准确识别稀有细胞群体至关重要。