港中大团队开发了一种连接批量 RNA-seq 和单细胞 RNA-seq 的深度学习方法

单细胞 RNA 测序已成为以明确的高分辨率研究生物学意义的强大工具。然而，它在新兴数据上的应用目前受到其内在技术的限制。

在这里，香港中文大学的研究人员介绍了 Tissue-AdaPtive autoEncoder（TAPE），这是一种连接批量 RNA-seq 和单细胞 RNA-seq 的深度学习方法，可在短时间内实现精确的反卷积。通过构建可解释的解码器并在独特的方案下进行训练，TAPE 可以自适应地预测细胞类型分数和细胞类型特异性基因表达组织。

与几个数据集上的流行方法相比，TAPE 在细胞类型水平上具有更好的整体性能和相当的准确性。此外，它在不同的细胞类型中更稳健、更快、更敏感，可以提供具有生物学意义的预测。

该研究以「Deep autoencoder for interpretable tissue-adaptive deconvolution and cell-type-specific gene analysis」为题，于 2022 年 11 月 8 日发布在《Nature Communications》。

论文链接：https://www.nature.com/articles/s41467-022-34550-9

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