هوش مصنوعی
scAnyOmics داده‌های چنداُمیکیِ تک‌سلولیِ ناقص را بازسازی می‌کند
پژوهشگران چارچوبی مولد معرفی کرده‌اند که با انتقال دانش از یک مدل پایهٔ تک‌سلولی، امکان پیش‌بینی میان‌وجهی میان داده‌های RNA، پروتئین و دسترس‌پذیری کروماتین را فراهم می‌کند.
در پیش‌چاپی تازه در arXiv، پژوهشگران scAnyOmics را معرفی کرده‌اند؛ چارچوبی مولد که از یک مدل پایهٔ تک‌سلولیِ ثابت‌شده دانش می‌گیرد و آن را به مدلی چندوجهی منتقل می‌کند. این روش داده‌های scRNA-seq، اندازه‌گیری نشانگرهای پروتئینی و scATAC-seq را در بازنمایی مشترکی ادغام می‌کند تا بتواند میان وجه‌های مولکولی پیش‌بینی انجام دهد و وجه‌های ازدست‌رفته را بازسازی کند.
نویسندگان می‌گویند ادغام وجه‌های ناهمگون و پیش‌بینی اطلاعات مولکولیِ ثبت‌نشده، به‌ویژه وقتی اندازه‌گیری‌های جفت‌شده محدود باشد، همچنان دشوار است. چکیدهٔ در دسترس به مجموعه‌داده‌ای با ۶۹۰ مورد اشاره می‌کند، اما جزئیات بیشتر آن در متن ارائه‌شده مشخص نیست.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده