Jan, 2024
单细胞组学中的可解释深度学习
Interpretable deep learning in single-cell omics
Manoj M Wagle, Siqu Long, Carissa Chen, Chunlei Liu, Pengyi Yang
TL;DR最近单细胞组学技术取得了突破性的发展，使得能够以前所未有的分辨率对个体细胞中的分子特征进行量化。深度学习作为机器学习中一个迅速发展的子领域，由于其在分析异质高维单细胞组学数据方面的显着成功而引起了人们的极大兴趣。然而，深度学习模型固有的多层非线性结构通常使其成为一个 “黑箱”，因为预测背后的推理往往是未知的，用户无法了解到其透明性。这促使了越来越多的研究工作来解决深度学习模型中缺乏可解释性的问题，特别是在单细胞组学数据分析中，分子调控因子的识别和理解对于解释模型预测并引导下游实验验证是至关重要的。本文介绍了单细胞组学技术的基础知识和可解释深度学习的概念，随后回顾了近期应用于各种单细胞组学研究的可解释深度学习模型。最后，我们强调了当前的限制因素并讨论了未来可能的发展方向。我们期望本综述将汇集单细胞和机器学习研究社区，促进可解释深度学习在单细胞组学研究中的未来发展和应用。