空间转录组 STAGATE 2

最新推荐文章于 2024-12-03 16:21:26 发布

qq_27648263

最新推荐文章于 2024-12-03 16:21:26 发布

阅读量1.5k

点赞数 7

文章标签：机器学习 python 深度学习

本文链接：https://blog.youkuaiyun.com/qq_27648263/article/details/125808152

版权

本文介绍了STAGATE的细胞类型识别网络，通过PCA降维和Louvain聚类构建空间网络，并对基因表达数据进行处理。模型使用四层GAT，训练时加入了权重衰减损失以防止过拟合。实验结果显示，细胞类型识别的ARI在50%以上，同时探讨了TensorFlow与PyTorch在权重衰减上的差异。接下来的内容将涉及数据分析和可视化，如UMAP、结果展示和轨迹分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天继续交流下STAGATE的细胞类型识别网络（Cell type-aware spatial network）和数据分析、作图部分。

1 Cell type-aware spatial network

由于torch版本目前还没有细胞级别的SNN，此部分内容将放上tensorflow版本的来代码。细胞识别空间网络与上一部分的近邻网络类似，都是构建了空间网络，即上距离小于一定距离（或者是前距离最相近的几个）的spot，认为是有连接，邻接矩阵为1，其余为0。不同的是细胞识别网络在这基础上还会先对基因表达数据进行聚类，如果两个spot基因表达聚类为同一类并且距离小于一定阈值，则认为有连接，否则无连接。再通俗点说，就是在上一篇近邻网络中再删除几条边。

下面还是上代码，首先对基因表达数据进行了PCA降维，然后又用louvain进行了聚类。


sc.tl.pca(adata, svd_solver='arpack')
sc.pp.neighbors(adata)
sc.tl.louvain(adata, resolution=pre_resolution, key_added='expression_louvain_label')
pre_labels = 'expression_louvain_label'

然后就是取交集。Graph_df是上一篇文章说的，每一对符合距离要求的spot和距离，一共三列spot1、spot2和距离