scRDiT: 通过扩散变换器生成单细胞RNA-seq数据并加速采样
机器学习
2024-04-10 v1 基因组学
摘要
动机：单细胞RNA测序（scRNA-seq）是一项突破性技术，广泛应用于生物学研究，有助于在给定组织样本中检查单个细胞水平的基因表达。虽然已经开发了许多用于scRNA-seq数据分析的工具，但捕捉此类数据的独特特征并复制具有类似统计特性的虚拟数据集的挑战仍然存在。结果：我们的研究引入了一种称为scRNA-seq扩散变换器（scRDiT）的生成方法。该方法通过利用真实数据集生成虚拟scRNA-seq数据。该方法是一种基于去噪扩散概率模型（DDPMs）和扩散变换器（DiTs）构建的神经网络。这涉及通过迭代添加噪声步骤将高斯噪声应用于真实数据集，并最终将噪声恢复为scRNA-seq样本。该方案允许我们在模型训练期间从实际scRNA-seq样本中学习数据特征。我们在两个不同的scRNA-seq数据集上进行的实验展示了优越的性能。此外，通过结合去噪扩散隐式模型（DDIM）加速了模型采样过程。scRDiT提供了一种统一的方法，使用户能够用自己独特的scRNA-seq数据集训练神经网络模型，从而生成大量高质量的scRNA-seq样本。可用性和实现：https://github.com/DongShengze/scRDiT
引用
@article{arxiv.2404.06153,
title = {scRDiT: Generating single-cell RNA-seq data by diffusion transformers and accelerating sampling},
author = {Shengze Dong and Zhuorui Cui and Ding Liu and Jinzhi Lei},
journal= {arXiv preprint arXiv:2404.06153},
year = {2024}
}
备注
11 pages, 4 figures,