scDiffusion: 使用扩散模型进行高质量单细胞数据的条件生成

Jan, 2024

scDiffusion: 使用扩散模型进行高质量单细胞数据的条件生成

scDiffusion: conditional generation of high-quality single-cell data using diffusion model

Erpai Luo, Minsheng Hao, Lei Wei, Xuegong Zhang

TL;DR本研究使用 scDiffusion 模型基于扩散过程生成具有可控条件的高质量单细胞 RNA 测序数据，并展示其能够产生接近真实数据的单细胞基因表达数据，超过现有模型在多个度量指标上的性能，对罕见细胞类型等特定细胞类型进行条件生成，并通过梯度插值生成小鼠胚胎细胞的连续发育轨迹，以此证明 scDiffusion 是增强真实 scRNA-seq 数据和深入研究细胞命运的强大工具。

Abstract

single-cell rna sequencing (scRNA-seq) data are important for studying the biology of development or diseases at single-cell level. To better understand the properties of the data, to build controlled benchmark data for testing downstream methods, and to augment data when collecting su

single-cell rna sequencing scrna-seq data generative models scdiffusion controlled conditions

发现论文，激发创造

scRDiT: 扩散变压器生成单细胞 RNA 测序数据并加速采样

利用单细胞 RNA 测序 (scRNA-seq) 技术，该研究介绍了一种基于生成式方法 (scRDiT) 的神经网络模型，能够重现具有相似统计特性的虚拟 scRNA-seq 数据集，实验证明其优越性能。

Apr, 2024

单细胞 RNA-seq 合成与潜在扩散模型

提出了一种基于扩散模型的全新方法 Single-Cell Latent Diffusion (SCLD)，可以在一个统一的框架内合成大规模、高质量的单细胞 RNA 测序样本，包括整体和特定的细胞亚群，实验结果显示了其在细胞分类和数据分布距离方面的最先进性能以及合成特定细胞亚群的能力。

Dec, 2023

基于狄利克雷扩散分数模型的生物序列生成方法

使用 Dirichlet 扩散分数模型实现生物序列的生成及 DNA 序列设计。

May, 2023

生物信息学中的扩散模型：深度学习革命的新浪潮

本文综述了去噪扩散模型在生物信息学中的应用及其新的发展和应用潜力。

Feb, 2023

一种灵活的扩散模型

本研究提出了一个通用的模型参数化框架，尤其是针对前向 SDE 的空间部分，通过理论保障和实验证明了其优越性。

Jun, 2022

DiffuSeq：使用扩散模型进行序列到序列的文本生成

通过使用 DiffuSeq，我们设计了一种扩散模型，可用于序列到序列文本生成任务，具有与预训练语言模型等六种基线相比甚至更好的性能和高多样性。我们还包括理论分析，揭示 DiffuSeq 和自回归 / 非自回归模型之间的连接，并展示了扩散模型在复杂条件语言生成任务中的巨大潜力。

Oct, 2022

单细胞 RNA 测序的基因表达剖面深度生成模型

提出了一种针对单细胞 RNA 测序随机解释基因表达水平的概率模型，其利用低维潜在表示、额外潜在变量和神经网络进行条件分布的建模，并利用方差推断和随机优化来拟合数据。此推断过程适用于 100 万个细胞以上的数据，且优于 ZIFA 和 ZINB-WaVE 方法。作者还将该框架扩展到批次效应和其他混淆因素，并提出了一种超越 DESeq2 方法的 Bayesian 假设检验，以分析基因差异表达。

Sep, 2017

扩散模型预测 2D 显微镜图像的 3D 形状

采用基于扩散的模型 DISPR，该研究介绍了 3D 细胞形态预测的逆问题的求解方法。通过对 2D 显微镜图像进行条件预测，实现对真实 3D 形态的预测。进一步将该模型作为数据增强工具运用于单细胞分类任务，并取得了较好的效果。本研究表明扩散模型可成功应用于逆生物医学问题，能够从 2D 显微镜图像中学习重构具有真实形态特征的 3D 物体。

Aug, 2022

基于分数扩散模型的条件图像生成

本文研究使用基于得分的扩散模型进行深层生成建模的方法，系统比较和理论分析不同方法学习条件概率分布的效果，并证明得出条件得分最成功的估计器的理论依据。同时，介绍了多速度扩散框架，提出了一个新的条件分数估计器，与之前的最先进方法相当。伴随着本文的理论和实验研究是一个开放源代码库 MSDiff，可用于应用和进一步研究多速度扩散模型。

Nov, 2021

BioDiffusion: 生物医学信号合成的通用扩散模型

应对有限数据可用性、数据不平衡、标签复杂性和测量噪声干扰等问题，我们引入了 BioDiffusion，一种基于扩散的概率模型，用于合成多变量生物医学信号。通过利用这些合成信号，可以有效解决上述挑战，提高与生物医学信号相关的机器学习任务的准确性。此外，与当前领先的时间序列生成模型相比，实证证据表明 BioDiffusion 在生物医学信号生成质量方面表现优异。

Jan, 2024