GGE：面向小样本人类转录组分类的通用深度元学习框架

研究者提出通用基因表达框架GGE，一种深度元学习框架，用于在样本量有限的条件下实现稳健的转录组分类。GGE在来自1,779个人类数据集的5,220个生物医学预测目标上训练，学习可跨异质分类任务共享的模型初始化，从而仅用少量标注样本即可提升新数据集表现，并在不同RNA-seq平台和预处理流程下优于既有分类器。基于注意力的分析还识别出在多个生物学目标中反复贡献性能的基因。