单细胞分类论文阅读笔记-Single-cell classification using graph convolutional networks

使用图卷积网络的单细胞分类

Single-cell classification using graph convolutional networks

BMC Bioinformatics 2021 Jul 8

目录

使用图卷积网络的单细胞分类

Single-cell classification using graph convolutional networks

1.引言

2.方法

sigGCN框架概述

3.实验

关于ACTINN：

---

1.引言

随着大量单细胞测序数据的可用性和越来越多的细胞类型的发现--》将细胞分类为已知细胞类型已成为重要任务--》现有：利用基因表达数据对细胞进行分类---》结合生物基因相互作用网络

scRNAseq：差异表达分析、细胞聚类和缺失值插补

基于聚类的方法检测新细胞的类型转移到基于基于分类的方法发现细胞特异性表达特征

尽管基因表达值受基因网络的调控，但基于基因表达值的分类忽略了这种先前的基因相互作用知识。基因网络和基因表达可以被认为是数据的不同视图。要学习表示复杂数据的有用特征，需要考虑数据的多个视图。

深度学习网络从数据中学习高级特征，因此不需要领域知识来选择特征，有利于大量样本的分类。最近的一种细胞分类方法ACTINN [16]采用完全连接的神经网络进行细胞类型分类。

2.方法

sigGCN框架概述

模型由两个并行网络组成：GCN和NN。 基因表达值和基因邻接网络是GCN的输入;基因表达值是NN的输入。GCN和NN学