AI for Genomics丨空间转录组数据表征算法 SPACE，基因组学的人工智能应用
💡
原文中文，约9500字，阅读约需23分钟。
📝
内容提要
本文介绍了清华大学生命科学学院张强锋实验室博士后李雨哲的分享内容，主题是基因组学的人工智能应用。他介绍了蛋白结构研究的发展历程和人工智能在蛋白质结构领域的突破性进展。团队开发了两种人工智能方法：SCALEX用于消除批次效应，SPACE用于空间转录组数据分析。SCALEX能够将单细胞数据投射到无批次效应的细胞隐空间中，SPACE能够识别空间细胞亚型和组织模块。团队正在招聘人工智能与生物学交叉学科研究的专业人员。
🎯
关键要点
- 李雨哲博士分享了基因组学中人工智能的应用，特别是在蛋白质结构研究方面的进展。
- 团队开发了SCALEX和SPACE两种人工智能方法，分别用于消除批次效应和空间转录组数据分析。
- SCALEX方法能够将单细胞数据投射到无批次效应的细胞隐空间中，提升数据分析的准确性。
- SPACE方法通过学习细胞间的相互作用，识别空间细胞亚型和组织模块，推动空间转录组学的发展。
- 人工智能的引入改变了科学研究的范式，强调数据驱动的研究方法。
- 基因组学研究探讨基因型与表型之间的关系，理解DNA如何影响生命活动。
- 单细胞基因组学技术的出现使得研究者能够明确DNA或RNA的具体细胞来源。
- SCALEX在处理大规模数据时表现出色，能够有效整合不同批次的数据。
- SPACE能够识别空间细胞亚型，并通过细胞间的相互作用分析发现组织模块。
- 清华大学生命科学学院正在招聘人工智能与生物学交叉学科研究的专业人员。
➡️
