Celcomen：面向单细胞和组织扰动建模的空间因果解耦
机器学习
2024-09-10 v1 组织与器官
摘要
Celcomen 利用数学因果框架，通过生成式图神经网络在空间转录组学和单细胞数据中解耦细胞内和细胞间的基因调控程序。它可以学习基因-基因相互作用，并生成扰动后的反事实空间转录组学数据，从而提供对实验上无法获取的样本的访问。我们通过模拟以及在临床相关的人类胶质母细胞瘤、人类胎儿脾脏和小鼠肺癌样本中，验证了其解耦能力、可识别性和反事实预测能力。Celcomen 提供了模拟疾病和治疗诱导变化的手段，从而为与人类健康相关的单细胞空间分辨组织反应提供新的见解。
引用
@article{arxiv.2409.05804,
title = {Celcomen: spatial causal disentanglement for single-cell and tissue perturbation modeling},
author = {Stathis Megas and Daniel G. Chen and Krzysztof Polanski and Moshe Eliasof and Carola-Bibiane Schonlieb and Sarah A. Teichmann},
journal= {arXiv preprint arXiv:2409.05804},
year = {2024}
}