bioRxiv 预印本· Zhao, Y., Jia, P., Hill, M. C., Tang, L., Fang, Z., Zheng, R., Li, M. ·· 9 天前AI 评分18
scHiR:从配对单细胞转录组与3D基因组数据学习联合细胞表征
scHiR learns joint cellular representations from paired single-cell transcriptome and 3D genome data
AI 导读
scHiR 是一个基于超球变分自编码器(S-VAE)的框架,可从配对的基因表达谱与染色质接触图谱中学习联合细胞嵌入。在 HiRES、GAGE-seq 和 LiMCA 生成的六个配对数据集上,scHiR 的聚类表现优于代表性单组学方法,并能解析细粒度亚群、保留发育轨迹结构。其模态特异性解码器还可重建转录组与染色质接触谱,降低噪声并提升 held-out 染色质接触的恢复效果。
来源:bioRxiv 预印本 · biorxiv.org