清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

scMHNN: a novel hypergraph neural network for integrative analysis of single-cell epigenomic, transcriptomic and proteomic data

计算机科学 超图 数据集成 表观遗传学 模态(人机交互) 注释 人工智能 数据挖掘 机器学习 生物 生物化学 基因表达 数学 离散数学 基因 DNA甲基化
作者
Wei Li,Bin Xiang,Fan Yang,Yu Rong,Yanbin Yin,Jianhua Yao,Han Zhang
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:24 (6) 被引量:2
标识
DOI:10.1093/bib/bbad391
摘要

Technological advances have now made it possible to simultaneously profile the changes of epigenomic, transcriptomic and proteomic at the single cell level, allowing a more unified view of cellular phenotypes and heterogeneities. However, current computational tools for single-cell multi-omics data integration are mainly tailored for bi-modality data, so new tools are urgently needed to integrate tri-modality data with complex associations. To this end, we develop scMHNN to integrate single-cell multi-omics data based on hypergraph neural network. After modeling the complex data associations among various modalities, scMHNN performs message passing process on the multi-omics hypergraph, which can capture the high-order data relationships and integrate the multiple heterogeneous features. Followingly, scMHNN learns discriminative cell representation via a dual-contrastive loss in self-supervised manner. Based on the pretrained hypergraph encoder, we further introduce the pre-training and fine-tuning paradigm, which allows more accurate cell-type annotation with only a small number of labeled cells as reference. Benchmarking results on real and simulated single-cell tri-modality datasets indicate that scMHNN outperforms other competing methods on both cell clustering and cell-type annotation tasks. In addition, we also demonstrate scMHNN facilitates various downstream tasks, such as cell marker detection and enrichment analysis.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
范白容完成签到 ,获得积分10
1分钟前
肆肆完成签到,获得积分10
2分钟前
刘刘完成签到 ,获得积分10
2分钟前
JueruiWang1258完成签到,获得积分10
2分钟前
有人应助科研通管家采纳,获得10
2分钟前
有人应助科研通管家采纳,获得10
2分钟前
有人应助科研通管家采纳,获得10
2分钟前
有人应助科研通管家采纳,获得10
2分钟前
tingyeh完成签到,获得积分10
3分钟前
甜甜玫瑰应助baolong采纳,获得10
3分钟前
丹妮完成签到 ,获得积分10
3分钟前
liuzhigang完成签到 ,获得积分10
3分钟前
有人应助科研通管家采纳,获得10
4分钟前
有人应助科研通管家采纳,获得10
4分钟前
有人应助科研通管家采纳,获得10
4分钟前
有人应助科研通管家采纳,获得10
4分钟前
有人应助科研通管家采纳,获得10
4分钟前
baolong完成签到,获得积分10
4分钟前
jeff发布了新的文献求助30
5分钟前
姚老表完成签到,获得积分10
6分钟前
爆米花应助hani采纳,获得10
6分钟前
有人应助科研通管家采纳,获得10
6分钟前
有人应助科研通管家采纳,获得10
6分钟前
有人应助科研通管家采纳,获得10
6分钟前
有人应助科研通管家采纳,获得10
6分钟前
有人应助科研通管家采纳,获得10
6分钟前
有人应助科研通管家采纳,获得30
6分钟前
有人应助科研通管家采纳,获得10
6分钟前
thangxtz完成签到,获得积分10
7分钟前
李健应助zhangyimg采纳,获得10
7分钟前
云木完成签到 ,获得积分10
7分钟前
方白秋完成签到,获得积分10
7分钟前
yangquanquan完成签到,获得积分10
7分钟前
7分钟前
zhangyimg发布了新的文献求助10
7分钟前
merrylake完成签到 ,获得积分10
8分钟前
仿真小学生完成签到,获得积分10
8分钟前
有人应助科研通管家采纳,获得10
8分钟前
有人应助科研通管家采纳,获得30
8分钟前
GCD完成签到 ,获得积分10
9分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
叶剑英与华南分局档案史料 500
Foreign Policy of the French Second Empire: A Bibliography 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146771
求助须知:如何正确求助?哪些是违规求助? 2798063
关于积分的说明 7826669
捐赠科研通 2454589
什么是DOI,文献DOI怎么找? 1306394
科研通“疑难数据库(出版商)”最低求助积分说明 627708
版权声明 601527