基于扩散 Transformer 的空间基因表达预测方法 SpaDiT
机器学习
2024-07-19 v1 人工智能
基因组学
摘要
空间转录组学（ST）技术的快速发展正在革新我们对生物组织空间组织结构的理解。当前的 ST 方法分为基于下一代测序的（seq-based）和基于荧光原位杂交的（image-based）方法，提供了对生物组织功能动力学的创新见解。然而，这些方法受限于其细胞分辨率和检测基因数量。为此，我们提出了 SpaDiT，一种深度学习方法，利用扩散生成模型整合 scRNA-seq 和 ST 数据，用于预测未检测到的基因。通过采用基于 Transformer 的扩散模型，SpaDiT 不仅能够准确预测未知基因，还能有效生成 ST 基因的空间结构。我们通过在 seq-based 和 image-based ST 数据上的大量实验证明了 SpaDiT 的有效性。SpaDiT 以其创新方法显著贡献于 ST 基因预测方法。与八个领先的基线方法相比，SpaDiT 在多个指标上实现了最先进的性能，凸显了其在生物信息学领域的重要贡献。
引用
@article{arxiv.2407.13182,
title = {SpaDiT: Diffusion Transformer for Spatial Gene Expression Prediction using scRNA-seq},
author = {Xiaoyu Li and Fangfang Zhu and Wenwen Min},
journal= {arXiv preprint arXiv:2407.13182},
year = {2024}
}