論文の概要: Topological Data Analysis in Time Series: Temporal Filtration and
Application to Single-Cell Genomics
- arxiv url: http://arxiv.org/abs/2204.14048v1
- Date: Fri, 29 Apr 2022 12:46:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-02 15:02:08.666360
- Title: Topological Data Analysis in Time Series: Temporal Filtration and
Application to Single-Cell Genomics
- Title（参考訳）: 時系列のトポロジカルデータ分析:時間的濾過と単セルゲノミクスへの応用
- Authors: Baihan Lin
- Abstract要約: 単細胞トポロジカル単純解析(scTSA)を提案する。
このアプローチを細胞の局所ネットワークから単細胞遺伝子発現プロファイルに適用すると、これまで見つからなかった細胞生態のトポロジーが明らかになる。
38,731細胞,25細胞タイプ,12時間ステップにまたがるゼブラフィッシュ胚発生の単一細胞RNA-seqデータに基づいて,本研究は胃粘膜を最も重要な段階として強調する。
- 参考スコア（独自算出の注目度）: 13.173307471333619
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The absence of a conventional association between the cell-cell cohabitation
and its emergent dynamics into cliques during development has hindered our
understanding of how cell populations proliferate, differentiate, and compete,
i.e. the cell ecology. With the recent advancement of the single-cell
RNA-sequencing (RNA-seq), we can potentially describe such a link by
constructing network graphs that characterize the similarity of the gene
expression profiles of the cell-specific transcriptional programs, and
analyzing these graphs systematically using the summary statistics informed by
the algebraic topology. We propose the single-cell topological simplicial
analysis (scTSA). Applying this approach to the single-cell gene expression
profiles from local networks of cells in different developmental stages with
different outcomes reveals a previously unseen topology of cellular ecology.
These networks contain an abundance of cliques of single-cell profiles bound
into cavities that guide the emergence of more complicated habitation forms. We
visualize these ecological patterns with topological simplicial architectures
of these networks, compared with the null models. Benchmarked on the
single-cell RNA-seq data of zebrafish embryogenesis spanning 38,731 cells, 25
cell types and 12 time steps, our approach highlights the gastrulation as the
most critical stage, consistent with consensus in developmental biology. As a
nonlinear, model-independent, and unsupervised framework, our approach can also
be applied to tracing multi-scale cell lineage, identifying critical stages, or
creating pseudo-time series.
- Abstract（参考訳）: 細胞-細胞共生と発生のダイナミックスの間の従来の関係が発達する過程で、細胞個体群がどのように増殖し、分化し、競争するか、すなわち細胞生態学の理解を妨げている。
近年のRNAシークエンシング(RNA-seq)の進歩により、細胞特異的転写プログラムの遺伝子発現プロファイルの類似性を特徴付けるネットワークグラフを構築し、代数トポロジで情報を得た要約統計を用いてこれらのグラフを体系的に解析することにより、そのようなリンクを記述できる可能性がある。
単細胞トポロジカル単純解析(scTSA)を提案する。
このアプローチを、異なる発達段階の細胞のローカルネットワークからの単細胞遺伝子発現プロファイルに適用すると、これまで見られなかった細胞生態のトポロジーが明らかになる。
これらのネットワークには、より複雑な居住形態の出現を導くための空洞に束ねられた単細胞プロファイルのcliqueが多数含まれている。
これらのネットワークのトポロジ的単純化アーキテクチャを用いて,これらの生態パターンを可視化する。
38,731細胞,25細胞タイプ,12時間ステップにまたがるゼブラフィッシュ胚発生の単一細胞RNA-seqデータに基づいて,本研究は,胃癌を最も重要なステージとして強調し,発生生物学におけるコンセンサスと一致させた。
非線形、モデル非依存、教師なしのフレームワークとして、このアプローチは、複数スケールの細胞系統の追跡、重要な段階の同定、擬似時間系列の作成にも応用できる。
関連論文リスト
- Generating Multi-Modal and Multi-Attribute Single-Cell Counts with CFGen [76.02070962797794]
マルチモーダル単細胞数に対するフローベース条件生成モデルであるセルフロー・フォー・ジェネレーションを提案する。
本研究は, 新規な生成タスクを考慮に入れた上で, 重要な生物学的データ特性の回復性の向上を示唆するものである。
論文 参考訳（メタデータ） (2024-07-16T14:05:03Z) - FlowCyt: A Comparative Study of Deep Learning Approaches for Multi-Class Classification in Flow Cytometry Benchmarking [1.6712896227173808]
FlowCytは、フローコードされたデータにおいて、マルチクラスのシングルセル分類のための最初の包括的なベンチマークである。
このデータセットは、30人の患者の骨髄サンプルからなり、各細胞は12個のマーカーで特徴づけられる。
論文 参考訳（メタデータ） (2024-02-28T15:01:59Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Regression-Based Analysis of Multimodal Single-Cell Data Integration
Strategies [0.0]
マルチモーダルシングルセル技術は、個々のセルから多様なデータ型の同時収集を可能にする。
この研究は、Echo State Networksの異常なパフォーマンスを強調し、顕著な相関スコアが0.94である。
これらの発見は、機械学習の可能性を生かして、細胞の分化と機能に関する理解を深めることを約束している。
論文 参考訳（メタデータ） (2023-11-21T16:31:27Z) - Mixed Models with Multiple Instance Learning [51.440557223100164]
一般化線形混合モデル(GLMM)とMultiple Instance Learning(MIL)を統合するフレームワークであるMixMILを紹介する。
実験結果から,MixMILは単一セルデータセットにおいて既存のMILモデルより優れていることがわかった。
論文 参考訳（メタデータ） (2023-11-04T16:42:42Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Topology-Guided Multi-Class Cell Context Generation for Digital
Pathology [28.43244574309888]
空間統計学とトポロジカルデータ解析の数学的ツールをいくつか紹介する。
高品質なマルチクラスセルレイアウトを初めて生成する。
トポロジに富んだセルレイアウトは,データ拡張やセル分類などの下流タスクの性能向上に有効であることを示す。
論文 参考訳（メタデータ） (2023-04-05T07:01:34Z) - Learning Causal Representations of Single Cells via Sparse Mechanism
Shift Modeling [3.2435888122704037]
本稿では,各摂動を未知の,しかしスパースな,潜伏変数のサブセットを標的とした介入として扱う単一細胞遺伝子発現データの深部生成モデルを提案する。
これらの手法をシミュレーションした単一セルデータ上でベンチマークし、潜伏単位回復、因果的目標同定、領域外一般化における性能を評価する。
論文 参考訳（メタデータ） (2022-11-07T15:47:40Z) - Granger causal inference on DAGs identifies genomic loci regulating
transcription [77.58911272503771]
GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。
我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
論文 参考訳（メタデータ） (2022-10-18T21:15:10Z) - A biology-driven deep generative model for cell-type annotation in
cytometry [0.0]
Scyanはシングルセルサイトメトリーネットワークで,事前知識のみを用いて細胞タイプを自動的にアノテートする。
Scyanは、複数の公開データセット上の関連する最先端モデルよりも高速で解釈可能である。
さらに、Scyanはバッチ効果除去、デバーコーディング、人口発見など、いくつかの補完的なタスクを克服している。
論文 参考訳（メタデータ） (2022-08-11T10:50:44Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。