Genome Biol | 王晨飞课题组开发单细胞分辨率的跨模态生成算法Cisformer解析转录调...

主要观点总结

文章介绍了单细胞多组学技术在同一细胞内测量多种模态的应用，以及面临的挑战。从生物信息学角度出发，通过计算模型生成未知模态数据是一种解决方法。近日，同济大学生命科学与技术学院的王晨飞团队发表了新研究Cisformer，这是一个基于跨注意力机制的生成式人工智能模型，用于单细胞分辨率的基因表达与染色质可及性数据的生成。该模型具有优秀的单细胞数据生成能力与模型可解释性，能鉴定潜在细胞类型特异的重要调控元件与转录因子。

关键观点总结

关键观点1: 单细胞多组学技术能测量同一细胞内的多种模态信息。

例如SHARE-seq方法可以同时获取基因表达与染色质可及性信息。

关键观点2: 单细胞多组学技术面临的挑战包括实验复杂性高、成本昂贵以及数据信噪比低等。

从生物信息学角度通过计算模型生成未知模态数据是一种有效的解决方法。

关键观点3: Cisformer是一个基于跨注意力机制的生成式人工智能模型。

该模型用于单细胞分辨率的基因表达与染色质可及性数据的生成，具有优秀的单细胞数据生成能力与模型可解释性。

关键观点4: Cisformer能鉴定潜在细胞类型特异的重要调控元件与转录因子。

在癌症发生与器官衰老等重要生物学过程中，Cisformer通过模型内在的注意力机制揭示了不同类型的基因对染色质可及性调控强度的差异。