深度学习用于单细胞测序：观察细胞多样性的显微镜

单细胞测序（sc-seq）技术能够对单个细胞进行分析，揭示细胞异质性。人类基因组包含大约2万至2.5万个蛋白质编码基因，而单细胞测序，特别是单细胞RNA测序（scRNA-seq），可以在单细胞水平上测量基因表达。由于深度学习能够处理高维、非线性和异质性的数据，它越来越多地被应用于单细胞测序数据。自编码器，特别是去噪自编码器，通常用于降维和细胞聚类，其性能优于主成分分析（PCA）等传统方法。人类细胞图谱计划（HCAP）旨在绘制所有人类细胞的图谱，而空间分辨转录组学（SRT）解决了单细胞RNA测序中空间信息丢失的问题。深度学习有助于捕捉复杂模式、识别新型细胞类型以及整合多模态数据。