元素是单细胞曲线的不相交和均匀的组，代表离散和高度颗粒细胞状态。现有的元算法倾向于仅使用一种模态来推断元素，即使单细胞多摩变数据集谱图在同一细胞内多个分子模态。在这里，我们提出\ textbf {c} ross-m \ textbf {o} dal \ textbf {e} mbedding for \ textbf {m} etacell标识（coem），它利用嵌入式空间，利用scatac-seq和scatac-seq和scatac-seq和SCRNA-SEQ执行聚合，平衡精细分辨率和足够的测序覆盖范围之间的权衡。COEM通过有效识别具有连续和离散细胞类型的数据集的准确且分离良好的元素来优于最先进的方法海科。此外，COEM显着改善了峰到基因的关联分析，并促进了复杂的基因调节推理任务。

多模式单细胞技术的最新进展已使从同一细胞中的多个OMICS数据同时采集，从而更深入地了解细胞状态和动力学。但是，从多模式数据，模拟模式之间的关系并更重要的是，将大量的单模式数据集纳入下游分析是一项挑战。为了应对这些挑战并相应地促进了多模式的单细胞数据分析，已经引入了三个关键任务：$ \ textit {模式预测} $，$ \ textit {modital {modital {modational conterative} $和$ \ textit {intimit {interion {intim interding} $。在这项工作中，我们提出了一个通用图形神经网络框架$ \ textit {scmognn} $来解决这三个任务，并表明$ \ textit {scmognn} $与最新的任务相比，在所有三个任务中都表现出了卓越的结果。艺术和传统方法。我们的方法是\ textit {模式预测}的整体排名的官方获奖者，来自神经2021竞赛\ footNote {\ url {https://openproblems.bio/neurips_2021/}}，我们的所有方法都已整合到我们的所有实现中舞蹈软件包\ footNote {\ url {https://github.com/omicsml/dance}}}。

Single-cell sequencing assay for transposase-accessible chromatin (scATAC-seq) assesses genome-wide chromatin accessibility in thousands of cells to reveal regulatory landscapes in high resolutions. However, the analysis presents challenges due to the high dimensionality and sparsity of the data. Several methods have been developed, including transformation techniques of term-frequency inverse-document frequency (TF-IDF), dimension reduction methods such as singular value decomposition (SVD), factor analysis, and autoencoders. Yet, a comprehensive study on the mentioned methods has not been fully performed. It is not clear what is the best practice when analyzing scATAC-seq data. We compared several scenarios for transformation and dimension reduction as well as the SVD-based feature analysis to investigate potential enhancements in scATAC-seq information retrieval. Additionally, we investigate if autoencoders benefit from the TF-IDF transformation. Our results reveal that the TF-IDF transformation generally leads to improved clustering and biologically relevant feature extraction.

学习有意义的数据表示，可以解决诸如批处理效应校正和反事实推断之类的挑战，这在包括计算生物学在内的许多领域中都是一个核心问题。采用有条件的VAE框架，我们表明表示和条件变量之间的边际独立性在这两个挑战中都起着关键作用。我们提出了后代方法的对比混合物（COMP）方法，该方法使用了根据变异后代的混合物定义的新型未对准惩罚，以在潜在空间中实现这种独立性。我们表明，与以前的方法相比，COMP具有有吸引力的理论特性，并且在其他假设下，我们证明了COMP的反事实可识别性。我们在一系列具有挑战性的任务上展示了最先进的表现，包括将人类肿瘤样品与癌细胞线对准，预测转录组级的扰动反应以及单细胞RNA测序数据的批次校正。我们还发现与公平代表学习的相似之处，并证明Comp在该领域的共同任务上具有竞争力。

Latent variable models such as the Variational Auto-Encoder (VAE) have become a go-to tool for analyzing biological data, especially in the field of single-cell genomics. One remaining challenge is the interpretability of latent variables as biological processes that define a cell's identity. Outside of biological applications, this problem is commonly referred to as learning disentangled representations. Although several disentanglement-promoting variants of the VAE were introduced, and applied to single-cell genomics data, this task has been shown to be infeasible from independent and identically distributed measurements, without additional structure. Instead, recent methods propose to leverage non-stationary data, as well as the sparse mechanism shift assumption in order to learn disentangled representations with a causal semantic. Here, we extend the application of these methodological advances to the analysis of single-cell genomics data with genetic or chemical perturbations. More precisely, we propose a deep generative model of single-cell gene expression data for which each perturbation is treated as a stochastic intervention targeting an unknown, but sparse, subset of latent variables. We benchmark these methods on simulated single-cell data to evaluate their performance at latent units recovery, causal target identification and out-of-domain generalization. Finally, we apply those approaches to two real-world large-scale gene perturbation data sets and find that models that exploit the sparse mechanism shift hypothesis surpass contemporary methods on a transfer learning task. We implement our new model and benchmarks using the scvi-tools library, and release it as open-source software at \url{https://github.com/Genentech/sVAE}.

Muilti-Delicality数据在生物学中普遍存在，特别是我们进入了多OMICS时代，当我们可以测量来自不同方面（OMIC）的相同生物对象（单元）来提供更全面的洞察蜂窝系统。在处理此类多个OMICS数据时，第一步是确定不同模式之间的对应关系。换句话说，我们应该与与相同对象相对应的不同空格匹配数据。这个问题在单细胞多OMICS场景中特别具有挑战性，因为这种数据具有极高的尺寸。其次，匹配的单细胞多OMICS数据是罕见的且难以收集的。此外，由于实验环境的局限性，数据通常非常嘈杂。为了促进单细胞多OMICS研究，我们克服了上述挑战，提出了一种新颖的框架来对齐和集成单细胞RNA-SEQ数据和单细胞ATAC-SEQ数据。我们的方法可以通过在统一空间中有效地将上述数据与来自不同空间的高稀疏性和噪声从不同空间的噪声映射到低维歧管，使下游对准和直接集成。与其他最先进的方法相比，我们的方法在模拟和实际单细胞数据中执行更好。所提出的方法有助于单细胞多OMICS研究。对模拟数据集成的改进是显着的。

计算生物学中的一个关键问题是发现基因表达变化，该基因表达会调节细胞命运跃迁，其中一种细胞类型变成另一种细胞类型。但是，每个单独的单个细胞都不能纵向跟踪，并且在同一时间内实时的单元可能处于过渡过程的不同阶段。这可以看作是从未知时代的观察结果中学习动态系统行为的问题。此外，单个祖细胞类型通常会分叉成多种儿童细胞类型，从而使模拟动力学的问题变得复杂。为了解决这个问题，我们开发了一种称为普通微分方程的变分混合物的方法。通过使用基因表达生物化学告知的简单odes家族来限制深层生成模型的可能性，我们可以同时推断每个细胞的潜在时间和潜在状态并预测其未来的基因表达状态。该模型可以解释为ODE的混合物，其参数在细胞状态的潜在空间中连续变化。与以前的方法相比，我们的方法极大地改善了单细胞基因表达数据的数据拟合，潜在时间推断和未来的细胞状态估计。

生物医学网络是与疾病网络的蛋白质相互作用的普遍描述符，从蛋白质相互作用，一直到医疗保健系统和科学知识。随着代表学习提供强大的预测和洞察的显着成功，我们目睹了表现形式学习技术的快速扩展，进入了这些网络的建模，分析和学习。在这篇综述中，我们提出了一个观察到生物学和医学中的网络长期原则 - 而在机器学习研究中经常出口 - 可以为代表学习提供概念基础，解释其当前的成功和限制，并告知未来进步。我们综合了一系列算法方法，即在其核心利用图形拓扑到将网络嵌入到紧凑的向量空间中，并捕获表示陈述学习证明有用的方式的广度。深远的影响包括鉴定复杂性状的变异性，单细胞的异心行为及其对健康的影响，协助患者的诊断和治疗以及制定安全有效的药物。

在发育过程中，细胞细胞共同居住与其新兴动态之间没有常规关联，这阻碍了我们对细胞种群如何扩散，分化和竞争的理解，即细胞生态学。随着单细胞RNA-Sequencing（RNA-Seq）的最新进展，我们可以通过构造表征细胞特异性转录程序基因表达谱的相似性的网络图来描述这种链接，并分析这些图系统地使用代数拓扑信息的摘要统计数据。我们提出了单细胞拓扑简单分析（SCTSA）。将这种方法应用于不同发展阶段的不同发育阶段的局部细胞网络的单细胞基因表达谱，这揭示了以前看不见的细胞生态拓扑结构。这些网络包含大量的单细胞剖面丛中的腔体，这些腔体指导了更复杂的居住形式的出现。与无效模型相比，我们使用这些网络的拓扑简单架构可视化这些生态模式。斑马鱼胚胎发生的单细胞RNA-seq数据跨越了38,731个细胞，25种细胞类型和12个时间步，我们的方法突出了胃肠道是最关键的阶段，与发育生物学的共识一致。作为非线性，独立和无监督的框架，我们的方法也可以应用于追踪多规模的细胞谱系，识别关键阶段或创建伪时间序列。

多模式学习是建立模型的框架，这些模型可以根据不同类型的方式进行预测。多模式学习中的重要挑战是通过这些表示从任意模式和跨模式产生的共同表示形式推断；但是，实现这一目标需要考虑多模式数据的异质性质。近年来，深层生成模型，即通过深层神经网络参数化的生成模型引起了很多关注，尤其是变异自动编码器，这些自动编码器适合于实现上述挑战，因为它们可以考虑异质性并推断出数据的良好表示。。因此，近年来已经提出了基于变异自动编码器的各种多模式生成模型，称为多模式深生成模型。在本文中，我们提供了对多模式深生成模型研究的分类调查。

癌症亚型对于理解肿瘤的性质和提供合适的治疗至关重要。但是，现有的标签方法在医学上是有争议的，并驱动了从教学信号中取代的过程。此外，癌症遗传表达谱是高维，稀缺且具有复杂依赖性的，从而对现有的亚型模型构成了严重的挑战，以输出明智的聚类。在这项研究中，我们提出了一种新型的聚类方法，用于以无监督的方式利用遗传表达谱并区分亚型。所提出的方法自适应地学习了从表达概况的潜在表示对应的分类对应，该对应是通过模型输出的子类型输出。通过最大化问题 - 输入表达曲线和输出亚型之间的不可知论信息，我们的方法可以自动确定合适数量的亚型。通过实验，我们证明了我们提出的方法可以完善现有的有争议的标签，并且通过进一步的医学分析，这种改进被证明与癌症存活率有很高的相关性。

基于图形的多视图聚类，旨在跨多种视图获取数据分区，近年来接受了相当大的关注。虽然已经为基于图形的多视图群集进行了巨大努力，但它对各种视图融合特征仍然是一个挑战，以学习聚类的常见表示。在本文中，我们提出了一种新的一致多曲线图嵌入聚类框架（CMGEC）。具体地，设计了一种多图自动编码器（M-GAE），用于使用多图注意融合编码器灵活地编码多视图数据的互补信息。为了引导所学过的公共表示维护每个视图中相邻特征的相似性，引入了多视图相互信息最大化模块（MMIM）。此外，设计了一个图形融合网络（GFN），以探讨来自不同视图的图表之间的关系，并提供M-GAE所需的常见共识图。通过联合训练这些模型，可以获得共同的潜在表示，其从多个视图中编码更多互补信息，并更全面地描绘数据。三种类型的多视图数据集的实验表明CMGEC优于最先进的聚类方法。

高通量药物筛查测定法的最新出现引发了机器学习方法的密集开发，包括预测癌细胞系对抗癌药物的敏感性的模型，以及用于生成潜在药物候选者的方法。然而，尚未全面探索具有特定特性的化合物产生具有特定特性和同时建模其功效的概念。为了满足这一需求，我们提出了Vadeers，这是一种基于各种自动编码器的药物功效估算推荐系统。化合物的产生是由具有半监视的高斯混合模型（GMM）的新型自动编码器进行的。先验定义了在潜在空间中的聚类，其中簇与特定的药物特性相关联。此外，Vadeers配备了单元线自动编码器和灵敏度预测网络。该模型结合了抗癌药物的微笑弦表示的数据，它们对蛋白激酶的抑制作用，细胞系生物学特征以及细胞系对药物的敏感性的测量。评估的Vadeers变体在真实和预测的药物敏感性估计之间达到了较高的R = 0.87 Pearson相关性。我们以一种方式训练GMM先验，使潜在空间中的簇通过其抑制作用对应于药物的预计聚类。我们表明，学到的潜在表示和新生成的数据点准确地反映了给定的聚类。总而言之，Vadeers提供了一种全面的药物和细胞系特性模型及其之间的关系，以及引导的新型化合物。

广义零射击学习（GZSL）旨在培训一个模型，以在某些输出类别在监督学习过程中未知的情况下对数据样本进行分类。为了解决这一具有挑战性的任务，GZSL利用可见的（源）和看不见的（目标）类的语义信息来弥合所见类和看不见的类之间的差距。自引入以来，已经制定了许多GZSL模型。在这篇评论论文中，我们介绍了有关GZSL的全面评论。首先，我们提供了GZSL的概述，包括问题和挑战。然后，我们为GZSL方法介绍了分层分类，并讨论了每个类别中的代表性方法。此外，我们讨论了GZSL的可用基准数据集和应用程序，以及有关研究差距和未来研究方向的讨论。

Single-cell transcriptomics enabled the study of cellular heterogeneity in response to perturbations at the resolution of individual cells. However, scaling high-throughput screens (HTSs) to measure cellular responses for many drugs remains a challenge due to technical limitations and, more importantly, the cost of such multiplexed experiments. Thus, transferring information from routinely performed bulk RNA HTS is required to enrich single-cell data meaningfully. We introduce chemCPA, a new encoder-decoder architecture to study the perturbational effects of unseen drugs. We combine the model with an architecture surgery for transfer learning and demonstrate how training on existing bulk RNA HTS datasets can improve generalisation performance. Better generalisation reduces the need for extensive and costly screens at single-cell resolution. We envision that our proposed method will facilitate more efficient experiment designs through its ability to generate in-silico hypotheses, ultimately accelerating drug discovery.

单细胞RNA-seq数据集的大小和复杂性正在增长，从而可以研究各种生物/临床环境中的细胞组成变化。可扩展的降低性降低技术需要消除它们的生物学变异，同时考虑技术和生物混杂因素。在这项工作中，我们扩展了一种流行的概率非线性维度降低的方法，即高斯过程潜在变量模型，以扩展到大量的单细胞数据集，同时明确考虑技术和生物混杂因素。关键思想是使用增强的内核，该内核可以保留下限的可分式性，从而允许快速随机变化推断。我们证明了其在Kumasaka等人中重建先天免疫的潜在潜在签名的能力。 （2021）训练时间较低9倍。我们进一步分析了一个共同数据集并在130个人群中证明了该框架，该框架可以在捕获可解释的感染签名的同时进行数据集成。具体而言，我们探讨了互联的严重程度，作为优化患者分层并捕获疾病特异性基因表达的潜在维度。

最近，在深度生成模型中，不可能是非线性ICA的可识别性的文艺复兴。对于i.I.D.数据，先前的作品已经假定访问足够丰富的辅助观察集，表示$ \ mathbf {u} $。我们在这里展示了在没有这种侧面信息的情况下可以获得可识别性。以前的方法必须制定强烈的假设，以获得可识别的模型。在这里，我们在一组宽松的约束集中获得了经验识别的模型。特别是，我们专注于在其潜在空间中执行聚类的生成模型 - 一种匹配以前可识别模型的模型结构，而是使用学习群集提供辅助信息的合成形式。我们评估我们的提案，包括通过统计测试，并发现学习群集有效功能：具有潜在群集的深度生成模型是经验识别的，与依赖侧面信息的模型相同。

Multi-view graph clustering (MGC) methods are increasingly being studied due to the explosion of multi-view data with graph structural information. The critical point of MGC is to better utilize the view-specific and view-common information in features and graphs of multiple views. However, existing works have an inherent limitation that they are unable to concurrently utilize the consensus graph information across multiple graphs and the view-specific feature information. To address this issue, we propose Variational Graph Generator for Multi-View Graph Clustering (VGMGC). Specifically, a novel variational graph generator is proposed to extract common information among multiple graphs. This generator infers a reliable variational consensus graph based on a priori assumption over multiple graphs. Then a simple yet effective graph encoder in conjunction with the multi-view clustering objective is presented to learn the desired graph embeddings for clustering, which embeds the inferred view-common graph and view-specific graphs together with features. Finally, theoretical results illustrate the rationality of VGMGC by analyzing the uncertainty of the inferred consensus graph with information bottleneck principle. Extensive experiments demonstrate the superior performance of our VGMGC over SOTAs.

高通量测序技术的最新进展使得可以提取多个特征，这些特征描绘了以不同和互补分子水平的患者样本。此类数据的产生导致了计算生物学方面的新挑战，这些挑战涉及捕获多个基因及其功能之间相互关系的高维和异质数据集的整合。由于它们的多功能性和学习复杂数据的合成潜在表示的能力，深度学习方法为整合多词数据提供了有希望的观点。这些方法导致了许多主要基于自动编码器模型的许多原始体系结构的概念。但是，由于任务的困难，集成策略是基本的，而不是失去全球趋势而充分利用来源的特殊性。本文提出了一种新型策略，以构建可自定义的自动编码器模型，该模型适应高维多源集成而言使用的数据集。我们将评估整合策略对潜在代表的影响，并结合提出一种新方法的最佳策略（https://github.com/hakimbenkirane/customics）。我们在这里关注来自多个OMIC来源的数据的集成，并证明了针对多个任务（例如分类和生存分析）的测试用例的拟议方法的性能。

多视图光谱聚类（MVSC）由于多样化的数据源而引起了越来越多的关注。但是，大多数现有作品在样本外预测中被禁止，并且忽略了模型的解释性和聚类结果的探索。在本文中，通过限制内核机框架通过共享潜在空间提出了一种新的MVSC方法。通过偶联特征双重性的镜头，我们为MVSC施加了加权内核主成分分析问题，并开发了修改的加权共轭特征二重性以制定二元变量。在我们的方法中，双重变量扮演着隐藏特征的角色，所有视图都共享了构造一个常见的潜在空间，并通过从特定的空间中学习预测来耦合视图。这种潜在空间可促进分离的簇，并提供直接的数据探索，促进可视化和解释。我们的方法只需要一个单一的特征分类，其维度独立于视图数量。为了提高高阶相关性，引入了基于张量的建模而不增加计算复杂性。我们的方法可以通过样本外扩展灵活地应用，从而极大地提高了具有固定尺寸内核方案的大规模数据的效率。数值实验验证了我们的方法在准确性，效率和可解释性方面有效，显示出明显的特征值衰减和不同的潜在变量分布。