单细胞论文记录(part26)--Spatial components of molecular tissue biology

最新推荐文章于 2025-01-21 11:13:11 发布
最新推荐文章于 2025-01-21 11:13:11 发布
阅读量396 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 生物信息 单细胞 文章标签： 生物信息
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_37422217/article/details/126907166
本文探讨了在空间分辨率下分析RNA和蛋白质表达的重要性，旨在理解细胞和组织在健康与疾病状态下的相互作用。作者强调了如何开发计算工具来处理细胞的内在特性、细胞形态以及在不同长度尺度上的比较。此外，文章指出空间技术在分辨率、通量和多复用方面的多样性，为解决不同生物问题提供了可能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

学习笔记，仅供参考，有错必纠

文章目录

Spatial components of molecular tissue biology

Authors：Giovanni Palla, Aviv Regev, Fabian J. Theis, et al.

Journal：Nature Biotechnology

Year：2022

DOI：10.1038/s41587-021-01182-1

Keywords：None

Code：None

Supplementary：None

abstract

以空间分辨率的方式分析RNA和蛋白质表达的方法正在迅速发展，使得全面描述健康和疾病中的细胞和组织成为可能. 为了最大限度地利用这些技术获得的生物学见解，关键是要清楚地阐明组织的空间分析中的关键生物学问题，并开发必要的计算工具来解决这些问题. 分析工具的开发者需要决定每个细胞的内在分子特征，以及如何将细胞形状和形态特征纳入分析中. 另外，在不同长度尺度上比较不同组织样本的最佳方法仍在寻求之中. 将这些生物学问题和相关的计算算法分成不同长度尺度的类别，从而描述需要解决的共同问题，将促进空间转录组学和蛋白质组学的进一步进展.

Introduction

了解本专栏 订阅专栏 解锁全文 超级会员免费看
计算机视觉模型可解释性：Grad-CAM与Attention可视化
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
06-25 5万+
计算机视觉模型可解释性：Grad-CAM与Attention可视化 ，人工智能，计算机视觉，大模型，AI，计算机视觉模型的可解释性技术主要分为全局解释和局部解释。全局解释旨在理解模型在整个数据集上的决策逻辑，例如分析哪些特征对模型分类结果影响最大；局部解释则聚焦于单个样本，探究模型针对该样本做出决策的依据。Grad-CAM 和 Attention 可视化均属于局部解释技术，它们通过可视化的方式，直观展示模型在处理单张图像时关注的重点区域。
深度学习论文: Real-time Semantic Segmentation via Spatial-detail Guided Context Propagation
mingo_敏
04-13 3541
深度学习论文: Real-time Semantic Segmentation via Spatial-detail Guided Context Propagation Real-time Semantic Segmentation via Spatial-detail Guided Context Propagation PDF: https://arxiv.org/pdf/2005.11034v4.pdf PyTorch代码: https://github.com/shanglianlm0525/Cv
论文阅读笔记：Context-Guided Spatial Feature Reconstruction for Efficient Semantic Segmentation
HollowKnightz的博客
05-30 5170
论文阅读笔记：Context-Guided Spatial Feature Reconstruction for Efficient Semantic Segmentation
part-aligned系列论文：1707.Deeply-Learned Part-Aligned Representations for Person Re-Identification 论文笔记
xuluohongshang的博客
01-06 5261
Deeply-Learned Part-Aligned Representations for Person Re-Identification一种超简单有效的行人对齐识别网络！ inspired by attention model，propose a part-aligned human representation基于特征图 FCN全卷积提取特征图部分应用GoogLeNet部分网络，特征图
Density-Based Spatial Clustering of Applications with Noise（DBSCAN密度聚类）
nakaizura
10-15 4891
DBSCAN原理，应用。基于密度的聚类（density-based clustering） 与之前的基于距离的K-means和GMM不同，此类算法意在通过样本分布的紧密程度确定聚类结构。通常情况下它是基于一组“邻域”（neighborhood）参数来刻画样本分布的紧密程度，通过考虑样本之间的可连接性，并介此不断扩展得到结果。参数(ϵ, MinPts)用来描述邻域的样本分布紧密程度。其中，ϵ描述了某一样.....
AAAI 2025 | 时空数据（spatial-temporal）论文总结
suzukiwudi的博客
01-21 2809
AAAI 2025将在2025年2月25日到3月4日于美国费城（ Philadelphia, Pennsylvania, USA）举行。AAAI 2025共有篇投稿（Main Technical Track），共录取了篇论文，录取率本文总结了2025 AAAI上有关时空数据（spatial-temporal）相关论文。：交通预测，插补，轨迹生成，轨迹表示学习，POI推荐，POI表示学习，车辆调度等。其中1-13为。
《SCA-CNN：Spatial and Channel-wise Attention in Convolutional Networks for Image Captioning》论文笔记
m_buddy的博客
12-21 5623
1. 前言 视觉上的attention已经被成功运用在了结构预测任务中。例如，visual captioning与question answering。现有的视觉attention模型都是基于空间的，既是重新加权最后一个卷积层的feature map。其原理如下图所示，但是这样的或许并不能会很好符合attention的机制。 文章中指出，基于CNN的原理，其所提取的feature map具有sp...
论文笔记：Adaptive Graph Spatial-Temporal Transformer Network for Traffic Flow Forecasting
Zongyouqiangu的博客
11-26 4296
自注意力的思想是通过使用相应的查询键对查询其他token来更新每个令牌自己的值在该论文中中，作者提出了一种新的模型，称为ASTNN，用于交通预测的图结构时空建模。ASTNN是由堆叠的ST-Attention Block构建的，用于同时建模空间和时间相关性。作者使用局部多头自注意（L-MSA）来有效地计算时空图上的关注。此外，为了探索真实的空间相关性并提高局部时空注意力的性能，还引入了可学习自适应图，该图可以帮助目标节点选择相关节点进行关注。
论文笔记：Spatial-Temporal Person Re-identification 时空行人重识别
weixin_41977938的博客
03-07 3521
论文下载：https://arxiv.org/pdf/1812.03282.pdf 文章主结构 分三部分：上半部蓝色的视觉特征流，下半部分绿色时空流，和右边的联合度量。 视觉特征流： 通过PCB网络获取两个特征向量，并计算余弦距离： 时空流： ...
《Graph WaveNet for Deep Spatial-Temporal Graph Modeling》论文解读
winner3的专栏
12-19 5323
基于时空图采用Graph WaveNet建模，其能够有效的处理大范围时间序列的时空图数据。在该模型架构中，主要包括两个模块，分别为GCN和TCN。两个模块融合获取时间空间的依赖关系。 该模型的框架如下： 目录 一、本论文的创新点如下： 二、方法： 2.1问题定义： 2.2 图卷积层（GCL） 2.2.1 自适应的邻接矩阵 2.3时间卷积层（TCL） 2.3.1 Gate...
【论文学习】ST-GCN：Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
LoveKKarlie_的博客
03-02 2120
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition；AAAI2018；基于skeleton动作识别的时空图卷积网络；提出了一种基于图的神经网络动态骨架建模方法时空图卷积网络ST-GCN；针对骨架建模的具体要求，提出了ST-GCN中卷积核的设计原则。
从单细胞和空间转录组学推断模式驱动的细胞间流动（Flowsig）--生信算法笔记
weixin_63470844的博客
10-17 2419
今天来介绍一下聂老师组的8月分出版的这篇推断细胞间流动网络的文章《从单细胞和空间转录组学推断模式驱动的细胞间流动》。本文提供了一种新的ST数据细胞间信号流动模式推断方法（Flowsig），也可以用于scRNA-seq中。
ST-GAN: Spatial Transformer Generative Adversarial Networks for Image Compositing 原文翻译
tommorrow12的博客
04-13 4878
ST-GAN：用于图像合成的空间变换器生成敌对网络 目录 摘要 1.介绍 2.相关工作 3.方法 3.1、迭代几何校正 3.2、顺序对抗训练 3.3、敌对目标 4.实验 4.1、3D立方体 4.2、室内物体 4.3、眼镜 5.结论 论文地址 摘要 我们解决了向前景对象发现真实几何校正的问题，使得它在合成到背景图像时显得自然。为了实现这一目标，我们...
MPU9250九轴传感器数据融合：扩展卡尔曼滤波（EKF）算法解析与应用——以四元数、陀螺仪和加速度计为核心 · 四元数
08-13
MPU9250 九轴传感器的工作原理及其应用背景，重点讲解了如何利用扩展卡尔曼滤波 (EKF) 进行数据融合。文中解释了选择四元数作为状态量、三轴陀螺仪的漂移作为控制量以及三轴加速度计和磁偏角作为观测量的原因。通过这种方式，在短时间尺度上优先信任陀螺仪提供的高精度角速度数据，而在长时间尺度上则依赖于加速度计提供的稳定姿态信息。此外，还提供了 Python 实现的简单 EKF 数据融合算法代码示例。 适合人群：对传感器数据融合感兴趣的电子工程技术人员、自动化控制领域的研究人员、从事机器人导航系统开发的技术人员。 使用场景及目标：适用于需要精确测量和稳定控制的场合，如无人机飞行控制系统、自动驾驶汽车的姿态感知模块、智能穿戴设备的动作捕捉单元等。目的是提高运动信息的准确性与稳定性。 其他说明：本文不仅理论阐述详尽，而且附有实际代码示例，便于读者理解和实践。对于希望深入了解传感器数据融合技术并掌握其实现细节的专业人士而言，是一份非常有价值的参考资料。
S7-200与MCGS PLC控制抽水泵系统：梯形图程序、接线图及组态画面解析 梯形图
08-13
No.201 S7-200与MCGS PLC在控制抽水泵系统中的应用。首先，文章讲解了梯形图程序作为控制逻辑的关键组成部分，展示了如何通过梯形图实现自动化控制，如当水位低于设定值时启动抽水泵电机。其次，文章阐述了IO分配与接线图原理图的重要性，通过合理的输入输出分配，确保系统的高效稳定运行。最后，文章介绍了MCGS PLC的组态画面，使操作人员能实时监控和管理系统，提供便捷的操作界面和故障排查工具。 适合人群：从事工业自动化领域的工程师和技术人员，特别是对PLC控制系统有一定了解的人群。 使用场景及目标：适用于需要理解和掌握S7-200与MCGS PLC在抽水泵系统中的具体应用场合，帮助工程师和技术人员更好地设计、安装和维护此类系统。 其他说明：文章不仅提供了理论知识，还附有具体的实例和图表，便于读者理解和实践。
威纶通触摸屏配方管理模板（含图库与宏程序详解）
08-13
内容概要：本文深入介绍了威纶通触摸屏配方管理模板的应用，涵盖从模板概览、文件构成到宏程序详解等多个方面。首先，模板包含完整的图库、原图和PS原文件，用户可以通过直接拖拽的方式快速设计触摸屏界面，或者对原文件进行个性化修改。其次，文中详细解释了宏程序的工作原理，以一个简单的照明控制系统为例，展示了如何利用宏程序实现灯光的开关控制。最后，文章强调了这套模板在实际应用中的灵活性和高效性，无论是简单控制还是复杂工艺流程，都能提供极大便利。 适合人群：从事自动化控制领域的工程师和技术人员，尤其是需要使用威纶通触摸屏进行项目开发的人员。 使用场景及目标：适用于各类工业控制场景，旨在提高工作效率，简化触摸屏界面设计和配置过程，帮助用户更好地理解和应用宏程序。 其他说明：本文不仅提供了理论指导，还通过具体实例进行了操作演示，确保读者能够在实践中掌握相关技能。
DC-Buck芯片TPS56637 4.5V-28V输入,6A
最新发布
08-13
同步降压，三阶环路调节
### 【工业自动化】西门子梯形图程序转换手册：指令与内存映射解析
08-13
内容概要：本文档是西门子梯形图程序转换器的操作手册附录，版本为 Rev 1.10。主要内容包括三大部分：指令转换列表、指令转换解决方案以及I/O内存转换表。指令转换列表详细列出了从S7-200到不同型号PLC（如CP1E、CP1L、CP1H）之间的指令对应关系，涵盖了逻辑操作、比较、定时器、计数器、数据移动、算术运算、转换指令等。对于某些复杂指令，提供了详细的转换解决方案。I/O内存转换表则详细说明了S7-200与各型号PLC之间输入输出寄存器、变量存储器、位存储器、定时器、计数器等内存区域的映射关系。此外，还包括特殊内存位的转换对照。 适合人群：具有PLC编程基础的技术人员，特别是从事西门子S7-200系列PLC向其他品牌或型号PLC迁移工作的工程师。 使用场景及目标：①帮助工程师将现有S7-200程序迁移到其他型号PLC上；②确保转换后的程序逻辑正确性和功能完整性；③提供详细的转换规则和步骤，减少迁移过程中可能出现的问题。 其他说明：文档提供了详尽的指令和内存映射表，适用于多种应用场景。工程师可以根据具体需求选择合适的转换方案，并参考提供的详细说明进行实际操作。同时，对于一些复杂指令，文档给出了具体的转换方法和注意事项，有助于提高迁移的成功率。
Java开发的物联网云平台源码：支持远程控制、多设备管理和传感器数据处理 · 物联网 v1.0
08-13
一个基于Java语言和主流技术组合（如MQTT、Spring Boot、Shiro、MyBatis、Druid、Ehcache、Thymeleaf、Bootstrap、Swagger）开发的物联网云平台全套源码。该平台支持远程控制、多设备管理、传感器数据处理等功能，适用于设备远程控制、智能家居等领域。平台提供了丰富的功能模块，如设备管理、开关管理、计划管理、传感器管理、报警规则管理、用户管理等。此外，平台还具备代码一键生成、XSS防范、响应式布局等特点，确保系统的高效开发和安全性。 适合人群：具备一定Java开发经验的研发人员和技术爱好者。 使用场景及目标：①用于开发和部署物联网应用，特别是需要远程控制和多设备管理的场景；②研究和学习物联网云平台的设计和实现，掌握相关技术和最佳实践。 其他说明：该平台源码全部开放，无任何加密，方便用户进行二次开发。平台支持多数据源配置，具有良好的扩展性和灵活性。
go-whosonfirst-spatial-sqlite集成实践
在文件名`go-whosonfirst-spatial-sqlite-main`中，我们可以看到主文件的命名规则，这里包含的关键词可以进一步确认项目是关于Go语言、Who's On First地理数据、空间数据处理以及SQLite数据库的。 总结来看，这里...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GUI Research Group

谢谢支持！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值