综合精品天天夜夜久久,日本中文字幕二区区精品,亚洲欧美中文字幕制服二区,青青青国产爽爽视频免费观看

      

      

        
  

        

        
	
	

        

        



        

	
        

        
	
        
  	       
        
       中國基因網(wǎng)您的位置：首頁 >行業(yè)動態(tài) >        
        
  
        
		
        
			
        在單細胞分析中使用人工智能進行糾錯
        
			
        
				2019-02-18 09:48:15
				?
			  來源：
			
        
		
        
				
		
        
			
        現(xiàn)代技術使得對單個細胞進行測序和鑒定每個細胞中當前表達哪些基因成為可能。這些方法很敏感，因此容易出錯。設備，環(huán)境和生物本身可能導致測量之間的故障和差異。HelmholtzZentrumMünchen的研究人員與慕尼黑技術大學(TUM)和英國惠康桑格研究所的同事聯(lián)手，開發(fā)出能夠預測和糾正這些誤差來源的算法。這項工作發(fā)表在Nature Methods and Nature Communications上。
        

        在單細胞分析中使用人工智能進行糾錯
        

        人體細胞圖譜是一個具有巨大范圍的有遠見的項目，旨在在不同的時間點繪制出人體的所有組織，目標是為個性化醫(yī)療的發(fā)展創(chuàng)建一個參考數(shù)據(jù)庫，即區(qū)分健康細胞和病變細胞的能力。。這可以通過稱為單細胞的技術實現(xiàn)RNA測序，幫助研究人員準確了解哪些基因在生命的這些微小組成部分的任何特定時刻開啟或關閉。“從方法論的角度來看，這代表了一個巨大的飛躍。以前，這些數(shù)據(jù)只能從大量細胞群中獲得，因為測量需要如此多的RNA，”MarenBüttner解釋道。“所以結果始終只是所有細胞的平均值?，F(xiàn)在我們能夠獲得每個細胞的精確數(shù)據(jù)，”HelmholtzZentrumMünchen計算生物學研究所(ICB)的博士生說。
        

        然而，該技術的靈敏度增加也意味著對批次效應的敏感性增加。“批次效應描述了可能發(fā)生的測量之間的波動，例如，如果設備的溫度稍微偏離或者細胞的處理時間發(fā)生變化，”MarenBüttner解釋說。盡管存在幾種用于校正這些偏差的模型，但這些方法高度依賴于效果的實際大小。“因此，我們開發(fā)了一種用戶友好，強大且靈敏的測量方法，稱為kBET，可量化實驗之間的差異，從而有助于比較不同的校正結果，”Büttner說。
        

        除了批次效應之外，稱為丟失事件的現(xiàn)象在單細胞測序中提出了主要挑戰(zhàn)。“讓我們說我們對細胞進行測序并觀察細胞中的特定基因根本不會發(fā)出任何信號，”ICB主任兼生物系統(tǒng)數(shù)學模型教授Fabian Theis博士解釋說。“其根本原因可能是生物學或技術性的：要么基因不被測序儀讀取，因為它根本沒有被表達，或者由于技術原因沒有檢測到，”他解釋說。
        

        為了識別這些案例，來自Theis集團的生物信息學家GökcenElaslan和Lukas Simon使用了許多單細胞的大量序列并開發(fā)了所謂的深度學習算法，即模擬人類學習過程的人工智能(神經網(wǎng)絡) 。
        

        該算法利用新的概率模型并比較原始數(shù)據(jù)和重建數(shù)據(jù)，確定基因信號的缺失是否是由生物或技術故障引起的。“這種模型甚至允許在沒有兩種不同細胞類型變得人為相似的情況下確定細胞類型特異性校正，”Fabian Theis說。“作為單細胞基因組學領域最早的深度學習方法之一，該算法具有額外的優(yōu)勢，可以很好地擴展以處理包含數(shù)百萬個細胞的數(shù)據(jù)集。”
        

        但有一點是方法不是 - 而且重要的是要強調：“我們不是在開發(fā)軟件來平滑結果。我們的主要目標是識別和糾正錯誤，”Fabian Theis解釋道。“我們能夠與世界各地的同事分享這些盡可能準確的數(shù)據(jù)，并將我們的結果與他們的結果進行比較” - 例如，當亥姆霍茲研究人員將他們的算法和分析貢獻給人類細胞圖譜時，因為可靠性和數(shù)據(jù)的可比性至關重要。
        
			

			
          
        
			
        
            鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如有侵權行為，請第一時間聯(lián)系我們修改或刪除，多謝。
			
        
			
			
        
        
        推薦內容