Deep Learning pour le séquençage unicellulaire : un microscope pour voir la diversité des cellules

La technologie de séquençage en cellules uniques (sc-seq) permet l'analyse de cellules individuelles, révélant ainsi l'hétérogénéité cellulaire. Le génome humain contient environ 20 000 à 25 000 gènes codant pour des protéines, et le sc-seq, en particulier le séquençage d'ARN en cellules uniques (scRNA-seq), permet de mesurer l'expression des gènes au niveau de la cellule unique. L'apprentissage profond est de plus en plus appliqué aux données sc-seq en raison de sa capacité à traiter des données de grande dimension, non linéaires et hétérogènes. Les autoencodeurs, en particulier les autoencodeurs de débruitage, sont couramment utilisés pour la réduction de dimensionnalité et le regroupement des cellules, surpassant les méthodes traditionnelles telles que l'analyse en composantes principales (ACP). Le Projet Atlas des Cellules Humaines (PACH) vise à cartographier toutes les cellules humaines, et la transcriptomique spatialement résolue (TSR) aborde la perte d'informations spatiales dans le scRNA-seq. L'apprentissage profond aide à capturer des modèles complexes, identifier de nouveaux types de cellules et intégrer des données multimodales.