gene expression
PulseAugur coverage of gene expression — every cluster mentioning gene expression across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的COAST框架增强了空间转录组学中的基因表达预测
研究人员开发了COAST，一种利用组织学图像预测空间转录组学中基因表达的新框架。这种上下文感知的差异学习方法利用局部和全局上下文特征，并结合Transformer编码器来捕捉复杂的模式。COAST使用目标点和上下文点之间的绝对表达回归以及有符号差异回归的组合目标进行训练，在多个数据集上表现出改进的性能。
-
新AI框架整合多组学数据用于癌症研究
研究人员开发了一个名为通路活性自编码器（Pathway Activity Autoencoders）的新框架，用于整合多组学数据以进行癌症研究。该方法将先验生物学知识嵌入模型的架构中，在不牺牲表征能力的情况下增强了可解释性。应用于乳腺癌数据后，该框架在生存预测和亚型分类方面显示出潜力，其中基因、蛋白质和microRNA表达层被证明最具影响力。学习到的特征的可视化突显了模型的透明度和临床相关性。
-
新的GC-MoE模型可从组织学图像预测细胞基因表达
研究人员开发了GC-MoE，一种从组织病理学图像估计单细胞基因表达的新方法。该方法利用基因组引导的专家混合模型来预测细胞类型概率和基因表达，旨在减少昂贵的单细胞测量需求。该系统结合了细胞类型特异性预测器和注意力模块，以捕获基因程序和邻近细胞的上下文，与现有方法相比显示出改进的结果。
-
PerturbedVAE框架通过分离基因表达信号来改进单细胞预测
研究人员开发了PerturbedVAE，一个旨在通过解决扰动不变和扰动特异性基因表达信号之间不平衡来改进单细胞扰动预测的新框架。现有方法常常无法有效捕捉稀疏的、扰动特异性信息，导致预测不准确。PerturbedVAE明确分离这些信号以恢复因果表征，在基准测试中取得了最先进的性能，并改进了分布外预测。