图片

今天给大家分享美国密西根州立大学Jiliang Tang教授团队表达在KDD 2022上的一篇论文“Graph Neural Networks for Multimodal Single-Cell Data Integration”。研究针对单细胞的三个关键任务：模态预测、模态匹配和联合嵌入，提出了一种通用图神经网络scMoGNN。该方法对单细胞的不同模态分别进行建模，根据单细胞测序数据构建GNN网络，将不同组学的生物知识添加到图网络中作为额外的结构性信息，从而捕捉细胞和模态之间的高阶结构关系。同时，该方法表现出高度灵活性，可在不同模式的单细胞任务进行扩展使用，有效解决传统的单细胞数据整合技术的局限性。实验结果表明，该方法表现出优异性能，在三个任务上均领先当前基准模型。

论文地址：https://dl.acm.org/doi/abs/10.1145/3534678.3539213

代码地址：https://github.com/OmicsML/dance

内容中包含的图片若涉及版权问题，请及时与我们联系删除