【技术实现步骤摘要】
本专利技术属于计算机学领域，具体涉及一种用于单细胞多组学数据分析的可解释多任务学习框架及方法。
技术介绍
1、对单细胞多组学数据中不同模态数据的综合分析可以从不同的角度对细胞状态提供新的生物学见解。举例来说，联合分析可以识别新的细胞群体，并有助于发现亚群体特异性的顺式调控相互作用或调控网络。除了健康细胞中的调节机制外，综合多模态分析还可以揭示癌症特异性调节特征并揭示癌症进化。最终，综合分析可能有助于理解发生在不同分子层内部和分子层之间的相互作用及其对基因表达的影响。
2、但是，如果不同时开发相应的计算方法，多模态分析就难以提供任何生物学见解。每一种新的数据模态都有不同的挑战和需求，从底层处理、质量控制和归一化到下游分析和解释，如生物变异性来源的量化，然后用于产生可检验的生物学假设。并且，单细胞多组学数据分析中往往需要解决许多关键的任务。因此，设计一种在没有先验知识的情况下可以在一个统一的框架内处理多种任务的方法，可以很好地帮助我们简化单细胞多组学数据分析的过程，并且潜在地提高每个任务的性能。但是，将多个任务组合到单个框架中可...
【技术保护点】
1.一种用于单细胞多组学数据分析的可解释多任务学习框架，其特征在于，所述框架由编码器模块、解码器模块，鉴别器模块和分类模块组成；
2.根据权利要求1所述的用于单细胞多组学数据分析的可解释多任务学习框架，其特征在于，所述编码器模块包括独立的模态编码器来捕捉对应模态中特定的生物信息向量。
3.根据权利要求1所述的用于单细胞多组学数据分析的可解释多任务学习框架，其特征在于，所述解码器模块包括两个模态特定解码器中来进行特征重构。
4.一种用于单细胞多组学数据分析的可解释多任务学习方法，其特征在于，包括以下步骤：
5.根据权利要求...
【技术特征摘要】
1.一种用于单细胞多组学数据分析的可解释多任务学习框架，其特征在于，所述框架由编码器模块、解码器模块，鉴别器模块和分类模块组成；
2.根据权利要求1所述的用于单细胞多组学数据分析的可解释多任务学习框架，其特征在于，所述编码器模块包括独立的模态编码器来捕捉对应模态中特定的生物信息向量。
3.根据权利要求1所述的用于单细胞多组学数据分析的可解释多任务学习框架，其特征在于，所述解码器模块包括两个模态特定解码器中来进行特征重构。
4.一种用于单细胞多组学数据分析的可解释多任务学习方法，其特征在于，包括以下步骤：
5.根据权利要求4所述的用于单细胞多组学数据分析的可解释多任务学习方法，其特征在于，所述步骤1)中，x(1)和x(2)分别为模态...
【专利技术属性】
技术研发人员：兰伟，凌同升，陈庆锋，黄丽宇，姚作芳，
申请(专利权)人：广西大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。