亚星游戏

　　单细胞转录组作为单个细胞的特点，能越发精确地界说细胞的类型。通例的基于单细胞转录组的分类步骤首先是进行无监督的聚类，而后凭据每个集群（Cluster）特异表白的细胞象征基因来对集群进行标注。固然基于无监督的分类步骤更容易发现新细胞类型，但人为标注的过程费时费劲。目前已有的基于监督进建的自动分类步骤，大部门无法两全到步骤的可诠释性以及新细胞类型的发现。 

　　近日，亚星游戏（国度生物信息中心）蔡军钻研组、北京师范大学张江钻研组合作在Nature Machine Intelligence颁发了题为An interpretable deep-learning architecture of capsule networks for identifying cell-type gene expression programs from single-cell RNA-sequencing data的钻研成就，构建了决策过程可诠释的深度进建网络模型，单细胞胶囊网络（single cell Capsule Network, scCapsNet），并用于单细胞转录组分析。相对于其他单细胞转录组自动分析工具，单细胞胶囊网络能更不调换高效地分辨出属于新细胞类型的细胞。并且，单细胞胶囊网络能通过模型的内部参数找出细胞类型有关基因。通过细胞类型有关基因，单细胞胶囊网络能将基因与细胞类型直接联系起来，极大地提高了深度进建模型的可诠释性。性质上，单细胞胶囊网络将基因的表白特点和细胞类型特点进行低维编码，这样的编码富含生物学意思。 

　　亚星游戏蔡军钻研员与北京师范大学张江教授为本文共同通讯作者。亚星游戏王力飞博士为第一作者。该钻研得到科技部重点研发项目、中科院战术先导专项、及天然科学基金委等项主张赞助。 

单细胞胶囊网络的结构以及模型的可诠释性（细胞类型有关基因的发现）

　　论文链接