学术分享丨清华大学博士后李雨哲详解 Cell/Nature 子刊论文，探索基因组学的 AI 应用
💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
空间转录组技术是生物信息学领域的重大突破之一，能够获得高分辨率的转录组数据，并确定细胞亚型在空间上的分布。清华大学开发了基于图自编码器深度学习框架的人工智能算法SPACE，可识别空间细胞类型和发现组织模块。该算法将在直播中分享。
🎯
关键要点
- 空间转录组技术是生物信息学领域的重大突破，能够获得高分辨率的转录组数据并确定细胞亚型的空间分布。
- 清华大学开发了基于图自编码器深度学习框架的人工智能算法SPACE，能够识别空间细胞类型和发现组织模块。
- SPACE算法将在8月21日的线上直播中分享，直播主题为探索基因组学的AI应用。
- 直播将介绍AI在基因组学研究中的应用，特别是空间转录组学和单细胞组学。
- SPACE在细胞类型识别和组织模块发现方面优于其他工具，尤其在复杂组织中表现突出。
- SPACE定义了细胞社区，基于细胞间相似的相互作用网络优化细胞通讯推断。
- SPACE使用图自编码器框架学习细胞嵌入，结合聚类算法识别空间细胞亚型和组织模块。
- 清华大学张强锋实验室专注于结构生物学、基因组学和机器学习等交叉学科领域。
- HyperAI超神经策划了「Meet AI4S」系列直播，旨在分享AI for Science的最新科研成果和方法。
❓
延伸问答
空间转录组技术的主要优势是什么？
空间转录组技术能够获得高分辨率的转录组数据，并确定细胞亚型在空间上的分布。
SPACE算法的主要功能是什么？
SPACE算法能够识别空间细胞类型和发现组织模块，尤其在复杂组织中表现突出。
清华大学的直播活动主要讨论什么内容？
直播将讨论AI在基因组学研究中的应用，特别是空间转录组学和单细胞组学。
SPACE算法是基于什么技术开发的？
SPACE算法是基于图自编码器深度学习框架开发的。
细胞社区的定义是什么？
细胞社区是由细胞间相似的相互作用网络定义的，具有均质的空间分布和可辨识的边界。
SPACE算法在细胞类型识别方面的表现如何？
SPACE在细胞类型识别方面明显优于其他工具，能够有效区分空间信息细胞类型。
➡️
