CrossRec：借鉴推荐系统建模单细胞跨模态调控

论文作者提出 CrossRec，把 scATAC 与 scRNA 数据重构为交互图，借鉴推荐系统从稀疏交互中推断偏好的思路，学习跨模态调控模式。作者称，其生物驱动的二分图 transformer 在 ATAC-RNA 配对上学习可解释的注意力，在多项任务上优于现有方法，在数据稀缺条件下保持稳健，可泛化到未见细胞类型和数据集，并能增强基于先验的方法。 CrossRec 学到的调控图谱给出细胞与细胞类型特异的调控信息，用于解析皮层神经发生中的动态调控重连，以及黑色素瘤耐药中药物诱导的扰动特异性重连。该工作发表于 Nature Communications。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。