Syväoppiminen yksittäissolujen sekvensoinnissa: mikroskooppi solujen monimuotoisuuden näkemiseen
Yksittäissolujen sekvensointi (single-cell sequencing, sc-seq) -teknologia mahdollistaa yksittäisten solujen analysoinnin paljastaen solujen heterogeenisuuden. Syväoppimista, erityisesti autoenkoodereita, käytetään yhä enemmän käsittelemään sc-seq-datan korkeaulotteista, epälineaarista ja heterogeenistä luonnetta, mahdollistaen solutyyppien tunnistamisen ja karakterisoinnin.
Yksisolusekvensointi (sc-seq) -teknologia mahdollistaa yksittäisten solujen analysoinnin paljastaen solujen heterogeenisyyden. Ihmisen genomi sisältää noin 20 000–25 000 proteiinia koodaavaa geeniä, ja sc-seq, erityisesti yksisolun RNA-sekvensointi (scRNA-seq), mahdollistaa geeniekspression mittaamisen yksittäisen solun tasolla. Syväoppimista sovelletaan yhä enemmän sc-seq-dataan, koska se pystyy käsittelemään korkeadimensionaalista, epälineaarista ja heterogeenistä dataa. Autoenkooderit, erityisesti kohinaa poistavat autoenkooderit, ovat yleisesti käytössä dimensioiden vähentämisessä ja solujen klusteroinnissa, ja ne suoriutuvat paremmin kuin perinteiset menetelmät kuten PCA. Human Cell Atlas -projekti (HCAP) pyrkii kartoittamaan kaikki ihmisen solut, ja spatiaalisesti resoluutioinen transkriptomiikka (SRT) vastaa scRNA-seq:n menettämän spatiaalisen informaation ongelmaan. Syväoppiminen auttaa tunnistamaan monimutkaisia rakenteita, löytämään uusia solutyyppejä ja integroimaan monimuotoista dataa.
Lähde: The Gradient —
Alkuperäinen