作者更正：使用组合算法识别个性化 T 细胞治疗的临床相关 T 细胞受体
瑞士洛桑路德维希癌症研究所、洛桑分所、洛桑大学医院 (CHUV) 和洛桑大学 (UNIL) 肿瘤科、洛桑 Agora 癌症研究中心 雷米·佩特雷蒙德、约翰娜·切菲尔、萨拉·博比斯、玛塔·AS·佩雷斯、朱利安·施密特、马里昂·阿诺、大卫·巴拉斯、玛丽亚·洛萨诺-拉贝拉、拉斐尔·吉诺莱、克里斯托夫·索瓦奇、达米安·索吉、亚历山德拉·米歇尔、安妮-劳尔·胡格宁-贝尔吉纳、夏洛特·卡普特、拉娜E. Kandalaft、Denarda Dangaj Laniti、Michal Bassani-Sternberg、George Coukos、Vincent Zoete 和 Alexandre Harari 瑞士洛桑 CHUV-Ludwig 研究所细胞治疗中心 Rémy Pétremand、Johanna Chiffelle、Sara Bobisse、Julien Schmidt、Marion Arnaud、David Barras、Maria Lozano-Rabella、Raphael Genolet、Christophe Sauvage、Damien Saugy、Alexandra Michel、Anne-Laure Huguenin-Bergenat、Charlotte Capt、Lana E. Kandalaft、Denarda Dangaj Laniti、Michal Bassani-Sternberg、George Coukos 和 Alexandre Harari 瑞士洛桑瑞士生物信息学研究所 (SIB) 分子建模组 玛塔·AS·佩雷斯和文森特·佐伊特 瑞士洛桑洛桑大学医院 (CHUV) 实验治疗中心 Julien Schmidt、Lana E. Kandalaft 和 […]
通过最佳传输指标对单细胞数据进行基因轨迹推断
Mahdessian，D. 等人。 利用单细胞蛋白质组学对细胞周期进行时空剖析。 自然 590，649–654（2021）。 文章 中科院 考研 谷歌学术 夏尔多内，A.等人。 根据单细胞转录组数据计算细胞周期阶段。 方法 85，54-61（2015）。 文章 中科院 考研 谷歌学术 斯金纳，SO 等人。 整个细胞周期转录动力学的单细胞分析。 电子生活 5，e12175（2016）。 文章 考研 考研中心 谷歌学术 Cao, J.、Zhou, W.、Steemers, F.、Trapnell, C. 和 Shendure, J. Sci-fate 表征了单细胞中基因表达的动态。 纳特。 生物技术。 38，980–988（2020）。 文章 中科院 考研 考研中心 谷歌学术 曲，R.等人。 通过两个相交的形态发生素梯度分解间充质生态位形成的确定性路径。 开发。 细胞 57，1053–1067（2022）。 文章 中科院 考研 考研中心 谷歌学术 麦考利，IC […]
表征数据集不平衡对单细胞数据集成的影响
Argelaguet，R.等人。 单细胞分辨率下小鼠原肠胚形成的多组学分析。 自然 第576章，487–491（2019）。 Chiou，J.等人。 用遗传学和单细胞表观基因组学解释 1 型糖尿病风险。 自然 第594章，398–402（2021）。 文章 ADS 中科院 考研 考研中心 谷歌学术 Pijuan-Sala，B. 等人。 小鼠原肠胚形成和早期器官发生的单细胞分子图。 自然 第566章，490–495（2019）。 文章 ADS 中科院 考研 考研中心 谷歌学术 特兰，HTN 等。 单细胞 RNA 测序数据批量效应校正方法的基准。 基因组生物学。 21，12（2020）。 文章 谷歌学术 阿梅斯基塔，RA 等人。 使用 Bioconductor 协调单细胞分析。 纳特。 方法 17 号，137–145（2020）。 文章 中科院 考研 谷歌学术 明，J.等人。 FIRM：将单细胞 RNA 测序数据灵活集成到大规模多组织细胞图谱数据集。 简短的。 生物信息。 […]
mRNA m6A 和假尿苷的同时纳米孔分析揭示了翻译协调
Roundtree, IA、Evans, ME、Pan, T. 和 He, C. 基因表达调控中的动态 RNA 修饰。 细胞 169，1187–1200（2017）。 文章 中科院 考研 考研中心 谷歌学术 Frye, M.、Harada, BT、Behm, M. 和 He, C. RNA 修饰调节发育过程中的基因表达。 科学 第361章，1346–1349（2018）。 文章 中科院 考研 考研中心 谷歌学术 杰克逊，洛杉矶等人。 针对 SARS-CoV-2 的 mRNA 疫苗 – 初步报告。 N. 英格兰。 J.医学。 第383章，1920-1931（2020）。 文章 中科院 考研 谷歌学术 卡里科，K.等人。 将假尿苷掺入 mRNA 中可产生优异的非免疫原性载体，具有更高的翻译能力和生物稳定性。 摩尔。 瑟尔。 […]
巴西寨卡病毒出现三年后登革热模式发生变化
巴特，S.等人。 登革热的全球分布和负担。 自然 496, 504–507 (2013)。 ADS 中科院 考研 考研中心 谷歌学术 世界卫生组织。 登革热：诊断、治疗、预防和控制指南。 （世界卫生组织，2009 年）。 阿拉巴马州罗斯曼登革热：定义保护性免疫与病理性免疫。 J.克林。 投资。 113, 946–951 (2004)。 中科院 考研 考研中心 谷歌学术 Guzman, MG、Alvarez, M. 和 Halstead, SB 继发感染作为登革出血热/登革休克综合征的危险因素：抗体依赖性感染增强的历史观点和作用。 拱。 病毒。 158、1445–1459（2013）。 中科院 考研 谷歌学术 Halstead，SB 登革热病毒的中和和抗体依赖性增强。 病毒研究进展卷。 60 421–467（学术出版社，2003）。 巴尔马塞达，A.等人。 登革热临床表现的血清型特异性差异。 是。 J.特罗普. 医学。 卫生。 74, 449–456 (2006)。 考研 谷歌学术 奥海因勒，M.等人。 […]
用biolord解开单细胞数据
潜在优化作为解开中的归纳偏差 潜在优化是我们方法的关键组成部分。 典型的表示解缠方法使用编码器将原始数据样本映射为潜在代码。 这通常称为摊销推理。 虽然使用编码器网络将样本映射到代码很方便，但 Gabbay 和 Hoshen12 表明这种方法可能会取得低于标准的结果。 原因是在训练开始时，编码器（随机初始化）将所有样本属性映射到每个潜在代码（已知和未知）。 虽然损失函数鼓励解开（去除已知属性），但编码器的随机初始化导致优化从完美的纠缠状态开始。 后来的训练迭代很难完全消除这种纠缠。 相反，随机初始化的潜在代码通常不包含有关已知或未知属性的任何信息。 在训练时，与每个样本相对应的潜在代码在未知属性上变得更加丰富，而解开目标则确保它不会获得有关已知属性的信息。 直观地说，防止获取不需要的信息比丢失现有信息更容易。 总而言之，潜在优化通过为学习过程提供更好的初始化来帮助实现更多解缠结的潜在代码。 值得注意的是，参考文献中获得的结果。 12 直接应用于此处介绍的生物环境。 如上所述，通过潜在优化解决的挑战是关于标记属性的。 由于这些是随样本（图像或单细胞测量）一起提供的标签，因此它们在两种设置中是相同的。 因此，潜在优化使我们能够获得关于目标属性的有意义的潜在代码。 生物领主模型 Biolord是一个深度学习生成框架，由多个共同优化的模块组成。 Biolord 的输入是一个数据集 (D={左[left({x}_{c},{y}_{c}right)right]}_{c=1}^{n})， 在哪里 n 是细胞的数量。 对于每个单元格 C, ({x}_{c}in {{mathbb{R}}}^{M}) 代表 中号 测量的特征（例如，基因表达计数的向量或来自 中号 基因），以及 yC 是一组大小 K 代表已知的细胞属性，例如细胞类型标签、组织来源或年龄。 正如我们在下面详细阐述的那样， yC，我们在构造其相应的潜在空间时区分分类属性和有序属性。 根据规定，各 K 集合中的元素 yC 可能具有不同的维度。 给定输入数据集 D，biolord 管道由两个主要组件组成，同时定义和训练（构建细节在以下小节和补充说明中提供） 1）： 1. […]