Heart Lake Conservation Area

LapDDPM模型通过鲁棒的流形学习增强单细胞数据生成

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。