scGMM-VGAE: a Gaussian mixture model-based variational graph autoencoder algorithm for clustering single-cell RNA-seq data

Cell type identification using single-cell RNA sequencing data is critical for understanding disease mechanisms and drug discovery. Cell clustering analysis has been widely studied in health research for rare tumor cell detection. In this study, we propose a Gaussian mixture model-based variational...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Machine learning: science and technology Ročník 4; číslo 3; s. 35013 - 35024
Hlavní autoři:	Lin, Eric, Liu, Boyuan, Lac, Leann, Fung, Daryl L X, Leung, Carson K, Hu, Pingzhao
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Bristol IOP Publishing 01.09.2023
Témata:	Algorithms cell type Cluster analysis Clustering Deep learning Gaussian mixture model Gene sequencing Graph neural networks Machine learning Medical research model integration Parameter estimation Probabilistic models Ribonucleic acid RNA scGMM-VGAE single cell RNA-seq variational graph autoencoder
ISSN:	2632-2153, 2632-2153
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!