空間解析單細胞轉錄組的優(yōu)化算法研究

打開文本圖片集

摘要：由于單細胞和空間轉錄組技術都存在一定的不足，整合單細胞轉錄組和空間轉錄組技術應運而生。為提高單細胞矩陣到空間矩陣映射的相似度，降低損失函數(shù)值，通過改進深度學習Tangram 算法的目標函數(shù)，同時受龍格庫塔方法的啟發(fā)對優(yōu)化算法Adam 的梯度值進行修正，開發(fā)了RK-Tangram 算法。將其應用到3 組模擬數(shù)據(jù)與真實的小鼠大腦皮質(zhì)、運動和視覺區(qū)域的數(shù)據(jù)上，與原始Tangram 算法相比，結果表明，RK-Tangram 算法不僅提高了映射的相似度，降低了損失函數(shù)值，而且擴展了空間轉錄組的全基因組圖譜，并糾正了低質(zhì)量的空間測量。（剩余1411字）