論文の概要: The Cell Ontology in the age of single-cell omics

• arxiv url: http://arxiv.org/abs/2506.10037v1
• Date: Tue, 10 Jun 2025 21:38:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-06-13 17:01:13.512161
• Title: The Cell Ontology in the age of single-cell omics
• Title（参考訳）: 単細胞オミクス時代の細胞オントロジー
• Authors: Shawn Zheng Kai Tan, Aleix Puig-Barbe, Damien Goutte-Gattat, Caroline Eastwood, Brian Aevermann, Alida Avola, James P Balhoff, Ismail Ugur Bayindir, Jasmine Belfiore, Anita Reane Caron, David S Fischer, Nancy George, Benjamin M Gyori, Melissa A Haendel, Charles Tapley Hoyt, Huseyin Kir, Tiago Lubiana, Nicolas Matentzoglu, James A Overton, Beverly Peng, Bjoern Peters, Ellen M Quardokus, Patrick L Ray, Paola Roncaglia, Andrea D Rivera, Ray Stefancsik, Wei Kheng Teh, Sabrina Toro, Nicole Vasilevsky, Chuan Xu, Yun Zhang, Richard H Scheuermann, Chirstopher J Mungall, Alexander D Diehl, David Osumi-Sutherland,
• Abstract要約: 単細胞オミクス技術は、個々の細胞の高分解能なプロファイリングを可能にすることによって、細胞多様性の理解を変えてきた。 Cell Ontology (CL)は、FAIR(Findable, Accessible, Interoperable, Reusable)データ原則を達成するための重要なリソースとして登場した。 プラットフォームやツールにおけるCLの多種多様な利用について述べ、CLコンテンツの改善と拡張に向けた進行中の作業について詳述する。
• 参考スコア（独自算出の注目度）: 26.474264090725473
• License:
• Abstract: Single-cell omics technologies have transformed our understanding of cellular diversity by enabling high-resolution profiling of individual cells. However, the unprecedented scale and heterogeneity of these datasets demand robust frameworks for data integration and annotation. The Cell Ontology (CL) has emerged as a pivotal resource for achieving FAIR (Findable, Accessible, Interoperable, and Reusable) data principles by providing standardized, species-agnostic terms for canonical cell types - forming a core component of a wide range of platforms and tools. In this paper, we describe the wide variety of uses of CL in these platforms and tools and detail ongoing work to improve and extend CL content including the addition of transcriptomically defined types, working closely with major atlasing efforts including the Human Cell Atlas and the Brain Initiative Cell Atlas Network to support their needs. We cover the challenges and future plans for harmonising classical and transcriptomic cell type definitions, integrating markers and using Large Language Models (LLMs) to improve content and efficiency of CL workflows.
• Abstract（参考訳）: 単細胞オミクス技術は、個々の細胞の高分解能なプロファイリングを可能にすることによって、細胞多様性の理解を変えてきた。 しかし、これらのデータセットのかつてない規模と不均一性は、データ統合とアノテーションのための堅牢なフレームワークを必要としている。 Cell Ontology (CL)はFAIR(Findable、Accessible、Interoperable、Reusable)データ原則を達成するための重要なリソースとして、標準セルタイプに対して標準化された種に依存しない用語を提供することによって、幅広いプラットフォームやツールのコアコンポーネントを形成している。 本稿では,これらのプラットフォームやツールにおけるCLの多種多様な利用について述べるとともに,記述学的に定義された型の追加など,CLコンテンツの改善と拡張に向けた進行中の作業について詳述し,そのニーズに対応するためにHuman Cell AtlasやBrain Initiative Cell Atlas Networkといった主要なアレーディング活動と密接に連携する。 CLワークフローの内容と効率を改善するために,古典的および転写学的細胞型定義の調和,マーカーの統合,Large Language Models (LLMs) の利用に関する課題と今後の計画について述べる。

関連論文リスト

• CellVerse: Do Large Language Models Really Understand Cell Biology? [74.34984441715517]
  我々は,4種類のシングルセルマルチオミクスデータを統合する統一言語中心の質問応答ベンチマークであるCellVerseを紹介する。 我々は,CellVerse上で160Mから671Bまでの14のオープンソースおよびクローズドソースLLMの性能を体系的に評価した。
  論文  参考訳（メタデータ） (2025-05-09T06:47:23Z)
• From Histopathology Images to Cell Clouds: Learning Slide Representations with Hierarchical Cell Transformer [18.495089886413133]
  我々は、50億以上のセルレベルのアノテーションを持つ大規模なWSIデータセットを構築し、WSI-Cell5Bと呼ぶ。 我々の知る限りでは、WSI-Cell5Bは、セルレベルのアノテーションを統合する最初のWSIレベルの大規模データセットです。
  論文  参考訳（メタデータ） (2024-12-21T17:57:12Z)
• Progressive Vision-Language Prompt for Multi-Organ Multi-Class Cell Semantic Segmentation with Single Branch [23.307707756230513]
  単一ブランクH(MONCH)を用いたマルチオルガNマルチクラスセルセマンティックセグメンテーション法 テキストと多粒度視覚特徴の相乗効果に着想を得て,マルチモーダル情報を調和させるプログレッシブプロンプトデコーダを導入する。 PanNukeデータセットの実験では、クラス不均衡と微妙な細胞サイズと形状の変化があり、MONCHは最先端の細胞分割法やビジョン言語モデルよりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-12-04T02:44:38Z)
• MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
  単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。 セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
  論文  参考訳（メタデータ） (2024-06-12T15:22:56Z)
• LangCell: Language-Cell Pre-training for Cell Identity Understanding [3.6518971609937068]
  我々は,事前学習期間中に,単一セルデータと自然言語の統一表現であるLangCellを紹介する。 以上の結果から,ゼロショットセル識別理解シナリオにおいて効果的に機能できる単一セルPLMはLangCellのみであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-09T10:04:05Z)
• UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
  ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。 異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。 特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
  論文  参考訳（メタデータ） (2024-02-20T11:50:27Z)
• Single-cell Multi-view Clustering via Community Detection with Unknown Number of Clusters [64.31109141089598]
  シングルセルデータに適した,革新的なマルチビュークラスタリング手法である scUNC を導入する。 scUNCは、事前に定義された数のクラスタを必要とせずに、異なるビューからの情報をシームレスに統合する。 3つの異なる単一セルデータセットを用いて,SCUNCの総合評価を行った。
  論文  参考訳（メタデータ） (2023-11-28T08:34:58Z)
• 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)
• 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)

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。