التعلم العميق لتسلسل الخلايا المفردة: مجهر لرؤية تنوع الخلايا
تتيح تقنية تسلسل الخلايا المفردة (sc-seq) تحليل الخلايا الفردية، مما يكشف عن التباين الخلوي. ويُستخدم التعلم العميق، وخاصة أجهزة الترميز الذاتي (autoencoders)، بشكل متزايد للتعامل مع الطبيعة عالية الأبعاد وغير الخطية وغير المتجانسة لبيانات sc-seq، مما يمكن من تحديد أنواع الخلايا وتوصيفها.
تتيح تقنية التسلسل أحادي الخلية (sc-seq) تحليل الخلايا الفردية، مما يكشف عن التباين الخلوي. يحتوي الجينوم البشري على حوالي 20,000 إلى 25,000 جين مشفر للبروتين، ويتيح التسلسل أحادي الخلية، وخاصة تسلسل الحمض النووي الريبوزي أحادي الخلية (scRNA-seq)، قياس تعبير الجينات على مستوى الخلية الواحدة. يُستخدم التعلم العميق بشكل متزايد في بيانات التسلسل أحادي الخلية نظرًا لقدرته على التعامل مع البيانات عالية الأبعاد وغير الخطية وغير المتجانسة. تُستخدم أجهزة الترميز الذاتي، وخاصة أجهزة الترميز الذاتي لإزالة الضوضاء، بشكل شائع لتقليل الأبعاد وتجميع الخلايا، متجاوزةً الطرق التقليدية مثل تحليل المكونات الرئيسية (PCA). يهدف مشروع أطلس الخلايا البشرية (HCAP) إلى رسم خريطة لجميع الخلايا البشرية، بينما تعالج علم النسخ المكاني (SRT) فقدان المعلومات المكانية في تسلسل الحمض النووي الريبوزي أحادي الخلية (scRNA-seq). يساعد التعلم العميق في التقاط الأنماط المعقدة، وتحديد أنواع الخلايا الجديدة، ودمج البيانات متعددة الوسائط.
المصدر: The Gradient —
الأصلي
