稀疏表示学习模型

可扩展整合分析

从单细胞RNA测序数据中解析生物条件的异质性效应，揭示基因表达驱动表型的关键机制。

Zhao, Kai · So, Hon Cheong · 林志翔

Genome Biology 2024

技术优势

可定位疾病相关亚群

扩展的 scParser 能识别细胞亚群中促进疾病发病的生物学过程。

聚类性能占优

在细胞聚类任务中相比现有最优方法取得更佳表现。

应用场景

• 单细胞组学分析：整合分析不同类型单细胞组学数据，挖掘跨条件异质性。
• 细胞亚群机制解析：定位疾病相关细胞亚群，解析其致病生物过程。
• 复杂疾病研究：揭示复杂疾病中基因表达驱动表型的机制。
• 生物信息学：提供可扩展工具，用于大规模单细胞数据分析。
• 生物条件异质性分析：直接建模生物条件在不同细胞群体中的异质性效应。