scGNN：基于诱导分层细胞相似度图的 scRNA-seq dropout 插补
定量方法
2020-08-11 v1
摘要
单细胞 RNA 测序为理解生物系统提供了巨大洞见。然而，dropout 带来的噪声会损害下游生物学分析。因此，准确插补 dropout 是十分必要的。本工作中，我们提出一种简单而强大的 dropout 插补方法（scGNN），其通过在诱导的分层细胞相似度图上应用瓶颈式图卷积神经网络实现。我们展示 scGNN 在三个数据集上相较最先进基线具有竞争力，并能改善下游分析。
引用
@article{arxiv.2008.03322,
title = {scGNN: scRNA-seq Dropout Imputation via Induced Hierarchical Cell Similarity Graph},
author = {Kexin Huang},
journal= {arXiv preprint arXiv:2008.03322},
year = {2020}
}
备注
Accepted to ICML 2020 Workshop on Computational Biology