Uncovering smooth structures in single-cell data with PCS-guided neighbor embeddings
用PCS引导的邻居嵌入揭示单细胞数据中的平滑结构
机构 * Department of Biostatistics, Harvard T.H. Chan School of Public Health(哈佛T.H. Chan公共卫生学院生物统计学系) ; Department of Data Science, Dana-Farber Cancer Institute(达纳-法伯癌症研究所数据科学系) ; Eric and Wendy Schmidt Center, Broad Institute of MIT and Harvard(MIT和哈佛大学Broad研究所埃里克和文迪·施密特中心) ; Department of Statistics, University of California, Berkeley(加州大学伯克利分校统计学系) ; Department of EECS, University of California, Berkeley(加州大学伯克利分校电子工程与计算机科学系) ; Center for Computational Biology, University of California, Berkeley(加州大学伯克利分校计算生物学中心)
AI总结 研究针对从单细胞数据提取平滑低维表示的挑战,基于PCS框架评估NE算法,引入NESS改进其表示,通过应用于六个数据集,获得如识别过渡和稳定细胞状态等生物学见解。