《Nature》子刊：韩敬东团队提出基于Transformer的单细胞可解释注释方法

2023-01-30 生物世界 等2家媒体报道 科研进展





打开微信“扫一扫”
点击右上角分享按钮

2023年1月30日获悉，北京大学韩敬东课题组在《Nature Communications》期刊发表了研究论文。该研究开创性的提出了基于多头自注意力机制的深度学习方法TOSICA，实现了无需任何批次信息输入，使用个人电脑，在数十分钟内对百万级单细胞数据的细胞类型注释，并建立多层次可解释性的，批次不敏感的，高分辨率的细胞低维表示。TOSICA开创性的将Transformer计算单元运用到scRNA-seq数据分析领域。研究团队在多种不同的数据集中对模型的准确性进行了试验，包括疾病数据集，细胞类型不平衡数据集，发育数据集，复杂批次数据集，小鼠全组织图谱数据集。在横向比较的19种细胞类型注释器中，TOSICA综合准确性排名第一，运行时间随细胞数增加呈线性增加。