Deep Learning para Secuenciación de Célula Única: un Microscopio para Ver la Diversidad Celular

La tecnología de secuenciación de células individuales (sc-seq) permite el análisis de células individuales, revelando la heterogeneidad celular. El genoma humano contiene alrededor de 20,000 a 25,000 genes que codifican proteínas, y el sc-seq, especialmente la secuenciación de ARN de células individuales (scRNA-seq), permite medir la expresión génica a nivel de célula individual. El aprendizaje profundo se aplica cada vez más a los datos de sc-seq debido a su capacidad para manejar datos de alta dimensionalidad, no lineales y heterogéneos. Los autoencoders, particularmente los autoencoders de denoising, se utilizan comúnmente para la reducción de dimensionalidad y la agrupación de células, superando a los métodos tradicionales como el PCA. El Proyecto Atlas Celular Humano (HCAP, por sus siglas en inglés) tiene como objetivo mapear todas las células humanas, y la transcriptómica espacialmente resuelta (SRT) aborda la pérdida de información espacial en el scRNA-seq. El aprendizaje profundo ayuda a capturar patrones complejos, identificar nuevos tipos de células e integrar datos multimodales.