用于多模态单细胞数据整合的图神经网络
机器学习
2022-11-08 v3 人工智能
摘要
多模态单细胞技术的最新进展使得从同一细胞同时获取多组学数据成为可能，从而提供更深入的细胞状态与动力学洞察。然而，从多模态数据中学习联合表示、建模模态间关系，以及更重要的是将大量单模态数据集整合进下游分析，仍具挑战性。为应对这些挑战并相应促进多模态单细胞数据分析，已引入三项关键任务：、与。本工作中，我们提出一个通用图神经网络框架 来解决这三项任务，并展示 相较于最先进方法与常规方法在全部三项任务上均取得更优结果。我们的方法是 NeurIPS 2021 竞赛中总排名的官方获胜者，且我们所有方法的实现已集成至 DANCE 包~\url{https://github.com/OmicsML/dance}。
引用
@article{arxiv.2203.01884,
title = {Graph Neural Networks for Multimodal Single-Cell Data Integration},
author = {Hongzhi Wen and Jiayuan Ding and Wei Jin and Yiqi Wang and Yuying Xie and Jiliang Tang},
journal= {arXiv preprint arXiv:2203.01884},
year = {2022}
}
备注
Accepted by KDD 2022 Applied Data Science Track