×

讨论“单细胞RNA-seq数据指数族嵌入与细胞发育轨迹应用”。 (英语) Zbl 1464.62440号

对论文的讨论K.Z.林等[同上,第116号,第534、457–470(2021年;兹比尔1464.62454)].

MSC公司:

第62页第10页 统计学在生物学和医学中的应用;元分析
65层55 低阶矩阵逼近的数值方法;矩阵压缩
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Goldberg,Y。;Ritov,Y.A.,“流形嵌入的局部过程:嵌入质量和嵌入算法的度量,机器学习,77,1-25(2009)·Zbl 1472.68139号 ·doi:10.1007/s10994-009-5107-9
[2] 胡,J。;李,X。;胡,G。;Lyu,Y。;Susztak,K。;Li,M.,“单细胞RNA-Seq分析中聚类和细胞类型分类的神经网络迭代传递学习,自然机器智能,2607-618(2020)·doi:10.1038/s42256-020-00233-7
[3] Lakkis,J.、Wang,D.、Zhang,Y.、Hu,G.、Wag,K.、Pan,H.、Ungar,L.、Reilly,M.P.、Li,X.和Li,M.(2020),“单细胞转录组学中同时批效应校正、去噪和聚类的联合深度学习模型”,bioRxiv。
[4] 李,X。;王凯。;Lyu,Y。;潘,H。;张杰。;斯坦博利安,D。;Susztak,K。;Reilly,M.P。;胡,G。;Li,M.,“深度学习在单细胞RNA序列分析中通过批量效应去除实现精确聚类,自然通讯,11,1-14(2020)·doi:10.1038/s41467-020-15851-3
[5] 马奎斯,S。;Zeisel,A。;Codeluppi,S.公司。;van Bruggen,D。;法尔考,上午。;萧,L。;李,H。;哈林,M。;Hochgerner,H。;罗曼诺夫,R.A。;吉尔堡,D。;Manchado,A.M。;拉曼诺,G。;Lonnerberg,P。;Floriddia,E.M。;Rezayee,F。;Ernfors,P。;Arenas,E。;赫杰林·莱弗勒,J。;Harkany,T。;理查德森,W.D。;林纳森,S。;Castelo-Branco,G.,“小鼠幼年和成年中枢神经系统中少突胶质细胞的异质性,科学,3521326-1329(2016)·doi:10.1126/science.aaf6463
[6] 塞格斯托尔,奥兰多。;Palasantza,A。;埃利亚松,P。;Andersson,E.M。;安德烈亚松,A.C。;太阳,X。;皮切利,S。;Sabirsh,A。;克劳森,M。;Bjursell,M.K。;史密斯,D.M。;Kasper,M。;阿马拉,C。;Sandberg,R.,“健康和2型糖尿病中人类胰岛的单细胞转录组分析,细胞代谢,24593-607(2016)·doi:10.1016/j.cmet.2016.08.020
[7] 街道,K。;里索,D。;弗莱彻,R.B。;达斯,D。;Ngai,J。;约瑟夫,N。;Purdom,E。;Dudoit,S.,“弹弓:单细胞转录组学的细胞谱系和伪时间推断,BMC基因组学,19477(2018)·doi:10.1186/s12864-018-4772-0
[8] Wang,J。;Huang先生。;托瑞,E。;杜克,H。;沙弗,S。;J.穆雷。;Raj,A。;李,M。;Zhang,N.R.,“单细胞RNA测序中的基因表达分布反褶积,美国国家科学院学报,115,E6437-E6446(2018)·Zbl 1416.62625号 ·doi:10.1073/pnas.1721085115
[9] Wang,J。;阿加瓦尔,D。;Huang先生。;胡,G。;Zhou,Z。;Zhang,N.R.,“单细胞转录组学中转移学习的数据去噪,自然方法,16875-878(2019)·doi:10.1038/s41592-019-0537-1
[10] Witten,D.M。;Tibshirani,R。;Hastie,T.,“惩罚矩阵分解及其在稀疏主成分和典型相关分析中的应用,生物统计学,10,515-534(2009)·Zbl 1437.62658号 ·doi:10.1093/biostatistics/kxp008
[11] 沃尔夫,A.F。;Angerer,P。;Theis,F.J.,“SCANPY:大规模单细胞基因表达数据分析,基因组生物学,19,15(2018)·doi:10.1186/s13059-017-1382-0
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。