智能AI
morning
scKDGM:KAN 引导的单细胞 RNA-seq 聚类动态图掩蔽学习
2026-06-30
1 阅读
约1分钟阅读
Jun Tang, Pengwei Hu, Sicong Gao, Jie Guo, Lun Hu, Xin Luo
字号:
arXiv:2606.28459v1 公告类型:新 摘要:单细胞 RNA 测序 (scRNA-seq) 聚类对于识别细胞类型至关重要,但高维、稀疏、丢失和技术噪声阻碍了稳健的表达表示和细胞图构建。现有的掩码自动编码器主要使用表达恢复来进行特征重建,而图聚类方法通常依赖于固定的KNN图,并且不会将恢复的表达反馈回图优化中。 We propose scKDGM, a KAN-guided dynamic graph masked learning framework for scRNA-seq clustering. scKDGM 使用图感知分布保留基因掩码 (GDP-Mask) 来干扰细胞身份,使用基于 KAN 的 TAKGCN 编码器来学习掩码视图表示,使用掩码引导的表达恢复来构建动态图,并使用跨视图对比学习将恢复信号传输到拓扑更新中。 A ZINB loss models overdispersion and zero inflation. Experiments on 12 real scRNA-seq datasets show that scKDGM outperforms 10 baselines in average NMI and ARI.
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱