首页 > 科学研究 > 正文

生物信息团队在IEEE Journal of Biomedical and Health Informatics发表最新研究成果

发布时间:2023-10-03文章来源: 浏览次数:

不文小丈夫之银座嬉春在线观看不文小丈夫之银座嬉春免费观看院讯(通讯员:田圣文近日,生物信息领域国际顶级期刊IEEE Journal of Biomedical and Health Informatics接收我院学术论文(Sheng-Wen Tian, Jian-Cheng Ni, Yu-Tian Wang, Chun-Hou Zheng and Cun-Mei Ji. scGCC: Graph Contrastive Clustering with Neighborhood Augmentations for scRNA-seq Data Analysis, 2023)。该论文以不文小丈夫之银座嬉春在线观看不文小丈夫之银座嬉春免费观看为第一完成单位,2021级研究生田圣文为论文第一作者,倪建成教授和嵇存美副教授为论文共同通讯作者。IEEE Journal of Biomedical and Health Informatics是中科院1TOP期刊,最新影响因子为7.7。

在scRNA-seq数据分析中,细胞聚类是下游分析的关键步骤,因为它使我们能够识别细胞类型并发现新的细胞亚型。然而,scRNA-seq数据的特性,如高维度、稀疏性、dropout事件和批次效应,为聚类分析带来了显著的计算挑战。在本研究中,我们提出了scGCC,一种新颖的图自监督对比学习模型,以解决scRNA-seq数据分析中面临的挑战。scGCC包括两个主要组件:表示学习模块和聚类模块。首先,将scRNA-seq数据输入表示学习模块进行训练,然后通过聚类模块进行数据分类。scGCC可以学习低维去噪嵌入,这对我们的聚类任务非常有优势。我们引入了图注意力网络(GAT)进行细胞表示学习,从而实现更好的特征提取和提高聚类准确性。此外,我们提出了五种数据增强方法,通过增加数据多样性和减少过拟合来提高聚类性能。这些方法增强了聚类结果的鲁棒性。我们对14个真实世界数据集进行了实验研究,结果表明我们的模型在准确性和鲁棒性方面表现出色。我们还进行了下游任务,包括批次效应去除、轨迹推断和标记基因分析,以验证我们模型的生物学有效性



全文链接:https://doi.org/10.1109/JBHI.2023.3319551

该研究得到了国家自然科学基金的资助支持。


关闭 打印责任编辑:pgao

友情链接