福建师范大学学报(自然科学版)2023，Vol.39Issue(2) ：26-34.DOI:10.12046/j.issn.1000-5277.2023.02.003

基于对比学习的单细胞转录组测序数据聚类模型

A Clustering Model For ScRNA-seq Data Based on Contrastive Learning

张珊珊 林劼
福建师范大学学报(自然科学版)2023，Vol.39Issue(2) ：26-34.DOI:10.12046/j.issn.1000-5277.2023.02.003
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于对比学习的单细胞转录组测序数据聚类模型

A Clustering Model For ScRNA-seq Data Based on Contrastive Learning

张珊珊 1林劼1
扫码查看

作者信息

  • 1. 福建师范大学数学与统计学院,福建福州 350117
  • 折叠

摘要

单细胞转录组测序技术(single-cell RNA sequencing,scRNA-seq)的快速发展为分析生物数据提供了有力支持.对scRNA-seq数据进行聚类分析,能够发现潜在的细胞亚型并研究细胞的异质性.但由于scRNA-seq数据存在高维性、高稀疏性以及dropout事件等问题,为聚类分析带来了挑战.提出一种基于对比学习的聚类方法,假设数据服从零膨胀负二项分布,应用自编码器框架学习细胞的表示.实验结果表明提出的方法在真实数据集上有优越的性能,在不同规模的数据集上具有良好的可扩展性.

关键词

单细胞转录组测序数据/对比学习/零膨胀负二项分布模型/自编码器

引用本文复制引用

基金项目

国家自然科学基金(61472082)

出版年

2023
福建师范大学学报(自然科学版)
福建师范大学

福建师范大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.353
ISSN：1000-5277
参考文献量2
段落导航相关论文