[Bioinformatics]好文简读：SMILE:单细胞组学数据整合的互信息学习

论文题目：

SMILE: Mutual Information Learning for Integration of Single-cell Omics Data 论文摘要：

深度学习方法增强了单细胞组学数据分析的能力。由于越来越需要跨数据源、类型和特征集成单细胞组学数据，因此集成单细胞组学数据的挑战正在增加。本文提出了一种无监督的深度学习算法SMILE，该算法通过最大化互信息来学习单细胞数据的表示。SMILE成功整合了多源单细胞转录组数据，并将类似的细胞类型（甚至来自不同组织）投射到共享空间中。SMILE还可以整合来自两种或两种以上模式的数据，例如使用单细胞ATAC-seq、RNA-seq、DNA甲基化、Hi-C和ChIP的数据。

论文链接：

https://academic.oup.com/bioinformatics/advance-article-abstract/doi/10.1093/bioinformatics/btab706/6384571?redirectedFrom=fulltext Github链接：

https://github.com/rpmccordlab/SMILE

欢迎关注公众号，获取更多论文解读

转载或合作请联系邮箱 intbioinfo@163.com