CaSee:scRNA-seqから癌/正常細胞を識別するために直接使用される電光伝達-学習モデル【JST・京大機械翻訳】

Sh, Y.; Zhang, X.; Guo, C.; Shi, F.; Jia, F.; Hu, Z.

プレプリント

J-GLOBAL ID：202202203259797341 整理番号：22P0315014

CaSee:scRNA-seqから癌/正常細胞を識別するために直接使用される電光伝達-学習モデル【JST・京大機械翻訳】

CaSee: A lightning transfer-learning model directly used to discriminate cancer/normal cells from scRNA-seq

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月11日プレプリントサーバーでの情報更新日： 2022年02月11日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

単一細胞RNA配列決定(scRNA-seq)は,ヒト腫瘍研究の最も効率的な技術の一つである。しかし,データ解析は,いくつかの技術的課題,特に,scRNA-seq発現マトリックスにおける癌/正常細胞を効率的に正確に識別する困難さに直面する。本研究では,転写学習を用いた従来の高品質汎癌バルク配列決定データに基づく,scRNA-seq発現マトリックスに専念した汎癌シーカー(CaSee)と呼ばれる癌/正常細胞識別パイプラインを開発した。それは,主流配列技術プラットフォーム,10xゲノムクロム,Smart-seq2,およびMicrowell-seqと互換性がある。ここで,CaSeeパイプラインは11の遡及的コホートと1つの独立したデータセットの多施設データ評価において優れた性能を示し,平均識別精度は96.69%であった。一般的に,正常細胞から癌細胞を区別するための,深い学習に基づく汎がん細胞識別モデル,CaSeeの開発は,ゲノム,癌,および単一細胞分野で働く研究者にとって説得力がある。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

分子・遺伝情報処理 , 遺伝子の構造と化学

, , , ,

前のページに戻る