要約
セルコメンは、数学的因果関係のフレームワークを利用して、生成グラフ ニューラル ネットワークを通じて空間トランスクリプトミクスおよび単一細胞データにおける細胞内および細胞間の遺伝子制御プログラムのもつれを解きほぐします。
遺伝子間の相互作用を学習できるだけでなく、摂動後の反事実空間トランスクリプトミクスを生成することで、実験的にアクセスできないサンプルへのアクセスを提供します。
私たちは、シミュレーションと、臨床的に関連するヒト神経膠芽腫、ヒト胎児脾臓、およびマウス肺がんサンプルを用いて、そのもつれの解読、識別可能性、反事実予測能力を検証しました。
セルコメンは、病気や治療によって引き起こされる変化をモデル化する手段を提供し、人間の健康に関連する単一細胞の空間的に分解された組織反応についての新たな洞察を可能にします。
要約(オリジナル)
Celcomen leverages a mathematical causality framework to disentangle intra- and inter- cellular gene regulation programs in spatial transcriptomics and single-cell data through a generative graph neural network. It can learn gene-gene interactions, as well as generate post-perturbation counterfactual spatial transcriptomics, thereby offering access to experimentally inaccessible samples. We validated its disentanglement, identifiability, and counterfactual prediction capabilities through simulations and in clinically relevant human glioblastoma, human fetal spleen, and mouse lung cancer samples. Celcomen provides the means to model disease and therapy induced changes allowing for new insights into single-cell spatially resolved tissue responses relevant to human health.
arxiv情報
著者 | Stathis Megas,Daniel G. Chen,Krzysztof Polanski,Moshe Eliasof,Carola-Bibiane Schonlieb,Sarah A. Teichmann |
発行日 | 2024-09-09 17:10:36+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google