一
论文题目：
SMNN: 通过监督互最近邻检测对单细胞RNA-seq数据进行批次效应校正
论文摘要：
在整合来自不同批次的单细胞RNA测序(scRNA-seq)数据时，批次效应校正被视为一项必要的工作。现有的先进方法通常忽略了单细胞聚类标签信息，但这些信息实际上可以提升批次效应校正的效果，特别是在生物学差异与批次效应不完全独立的情况下。为了解决这一问题，我们提出了SMNN方法，通过监督互最近邻检测来校正单细胞RNA测序数据中的批次效应。我们在模拟和真实数据集上的广泛评估显示，SMNN能够在不同批次之间更好地整合相应的细胞类型，使得MNN、Seurat v3和LIGER在批次间差异减少。此外，SMNN还能保留更多的细胞类型特异性特征，表现为经过SMNN校正后发现的细胞类型间的差异表达基因在生物学上更为相关，精度提高了高达841.0%。
论文链接:
https://www.php.cn/link/228817faf36305ff344e4d7cbe4dc222
二
论文题目：
定量模型表明细胞内转录本编码能力的决定因素既有内在特征也有环境特征
论文摘要：
基因转录和蛋白质翻译是“中心法则”中的两个关键步骤。定量分析影响哺乳动物转录本编码能力的反褶曲因子仍然是一个巨大的挑战。本文提出了核糖体计算器(RiboCalc)，用于定量模拟人类基因组中RNA的编码能力。除了通过序列和转录特征高效预测实验验证的大量编码外，RiboCalc还提供了与生物信息学相关的可解释参数。大规模分析进一步揭示了许多转录本在不同类型细胞中具有多种编码能力(即上下文依赖的编码转录本)，这表明，与传统观点相反，转录本的编码能力应该被视为一个具有上下文依赖性的连续谱。
论文链接：
https://www.php.cn/link/7e4803d032f41a40da4d7d17eb026c93：
https://www.php.cn/link/d2b6d861d66fa14bb7cf8c6112d13e0d
三
论文题目：
scIAE: 基于自编码器的集成分类框架，用于单细胞RNA-seq数据
论文摘要：
单细胞RNA测序技术可以在单细胞水平上定量分析基因表达，有助于研究细胞异质性。细胞类型的识别是构建复杂组织或生物体细胞图谱的基础，几乎是所有后续scRNA-seq数据分析的起点。利用与疾病相关的scRNA-seq数据进行疾病状态预测，有助于实现疾病的特异性诊断和个性化治疗。针对单细胞基因表达数据的高维度、稀疏性和断点特征，本文提出了一种基于集成自编码器的集成分类框架scIAE。该框架首先进行多次随机投影，然后应用集成的可设计自编码器以获得降维特征。在低维表示的基础上建立基分类器，并综合所有基模型的预测结果。scIAE与常用特征提取方法的比较表明，scIAE是有效且鲁棒的，不受维度选择的影响，有利于后续的细胞分类。通过对不同类型数据的测试，并与现有的通用和单细胞特异性分类方法进行比较，证明了scIAE在数据集内细胞类型注释、跨批次、跨平台、跨物种以及疾病状态预测等方面具有强大的分类能力。
论文链接：
https://www.php.cn/link/4b23f8dc9eb4ed500a662e396908d39b：
https://www.php.cn/link/e809efcdedfd3421d6af8aa39f754f7b
四
论文题目：
OPUS-Rota4: 一个基于梯度的蛋白质侧链建模框架，由深度学习预测器辅助
论文摘要：
准确的蛋白质侧链模型是蛋白质折叠和蛋白质设计的关键。在过去的几十年里，许多成功的方法被提出来解决这个问题。然而，这些方法大多依赖于rotamer库的离散样本，这可能限制它们的准确性和应用范围。本文开发了一个开源的蛋白质侧链建模工具包，名为OPUS-Rota4。它由三个模块组成：OPUS-RotaNN2，预测蛋白质侧链二面角；OPUS-RotaCM，测量不同残基对侧链与OPUS-Fold2之间的距离和方向信息，利用前两个模块的约束来指导侧链建模。OPUS-Rota4采用OPUS-RotaNN2预测的二面角作为初始状态，OPUS-Fold2利用OPUS-RotaCM推导的侧链接触映射约束来细化侧链构象。因此，本文将侧链建模问题转化为侧链接触图预测问题。OPUS-Fold2使用Python和TensorFlow2.4编写，包含了其他可微能量项，对用户非常友好。
论文链接：
https://www.php.cn/link/ecc8647b514cb6ae769b6af99410a092
以上就是【Briefings in Bioinformatics】四篇好文简读-专题21的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/19731.html
微信扫一扫 
支付宝扫一扫 
