面向单细胞数据的图神经网络方法：近期综述
机器学习
2023-10-17 v1 人工智能
基因组学
摘要
图神经网络（GNN）通过揭示基因与细胞间的深层关联，正在重塑我们对生物医学与疾病的理解。随着算法与生物医学技术的显著进步，我们正进入个性化医学的变革阶段。尽管图注意力网络（GAT）与图卷积神经网络（Graph CNN）等开创性工具正推进基于图的学习，单细胞测序技术的兴起也在重塑我们对细胞多样性与功能的认识。众多研究已将GNN与单细胞数据结合，展现出可喜成果。在本文中，我们重点介绍近年来为单细胞数据定制的GNN方法。我们概述了以GAT方法为核心的多种图深度学习架构。此外，我们强调GNN策略在单细胞数据情境下的若干目标，涵盖细胞类型注释、数据整合与填补、基因调控网络重建、聚类等。本综述预见一个GNN成为单细胞分析工作核心的未来，尤其在海量组学数据持续产生、细胞与基因的互联性深化我们对生物医学认知的背景下。
引用
@article{arxiv.2310.09561,
title = {Graph Neural Network approaches for single-cell data: A recent overview},
author = {Konstantinos Lazaros and Dimitris E. Koumadorakis and Panagiotis Vlamos and Aristidis G. Vrahatis},
journal= {arXiv preprint arXiv:2310.09561},
year = {2023}
}