跳到正文
热点事件观察中

RAPTORGraph提出单细胞扰动因果发现方法

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Adhisantoso等在bioRxiv预印本中提出RAPTORGraph,一种面向单细胞扰动因果发现的β-变分自编码器;其GraphPathway编码器用于学习通路中的基因间相互作用。 模型通过预条件化隔离被扰动基因的影响,将其转化为可识别的单节点潜变量干预,并用最优传输对齐control与perturbed样本。源代码已发布在GitHub仓库“sXperfect/RAPTORGraph”。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月4日
  1. bioRxiv · Bioinformatics
    RAPTORGraph 预印本:基于图路径建模的单细胞扰动因果发现

    RAPTORGraph 预印本提出一种 β-变分自编码器,通过 GraphPathway 编码器学习路径中的基因间相互作用,用于单细胞扰动因果发现。模型以预条件化隔离被扰动基因的影响,形成可识别的单节点潜变量干预,并使用最优传输对齐处理 control 与 perturbed 样本。

本事件热度走势

可比范围当前
5
可比范围峰值
511月4日 23:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。