EfficientNet-resDDSC：一种集成残差块和扩展卷积的混合深度学习模型推断单细胞数据中的基因因果关系
中文关键词：
单细胞测序 scRNA-seq， 基因调控关系，基因调控网络，调控因果关系，深度学习，机器学习
中文摘要：
基因调控网络（GRNs）揭示了生物体内基因之间的复杂相互作用，这对于理解生命系统的运作至关重要。生物技术的快速发展，特别是单细胞RNA测序（scRNA-seq），产生了大量的scRNA-eq数据，可以在单细胞水平上分析以探索基因之间的调控关系。以前用于构建GRN的模型主要旨在构建基因之间的关联关系，但通常无法准确揭示基因之间的因果关系。因此，我们提出了一种称为EfficientNet resDDSC（具有残差块和深度可分离的扩张卷积的EfficientNet）的混合深度学习模型来推断基因之间的因果关系。该模型继承了EfficientNet-B0的基本结构，并结合了残差块和扩张卷积。通过引入残差块，该模型在初级阶段提取低级特征的能力得到了增强。该模型将倒线性瓶颈层中的深度可分离卷积（DSC）与扩张卷积相结合，在不增加计算工作量的情况下扩展了模型的感受野。这种设计使该模型能够全面揭示高维和高噪声单细胞数据中不同基因之间的潜在关系。与现有的五个深度学习网络模型相比，EfficientNet resDDSC在四个数据集上的整体性能明显优于其他模型。在本研究中，EfficientNet-resDDSC被进一步应用于构建癌症患者的GRN，重点研究关键基因BRCA1的相关调控基因，这有助于推进癌症的研究和治疗策略。
官网论文（非OA访问）：
https://link.springer.com/article/10.1007/s12539-024-00667-2
下载论文全文pdf文件（download full-text）：
https://www.researchgate.net/profile/Aimin-Li-5/publications
或者，发邮件给作者获取全文pdf liaiminmail@gmail.com
下载开源代码：
https://github.com/emanlee/EfficientNet-resDDSC
引用论文：
Aimin Li, Mingyue Li, Rong Fei, Saurav Mallik, Bo Hu, Yue Yu. EfficientNet-resDDSC: A Hybrid Deep Learning Model Integrating Residual Blocks and Dilated Convolutions for Inferring Gene Causality in Single-Cell Data. Interdisciplinary sciences, computational life sciences. DOI 10.1007/s12539-024-00667-2 Published 2024-Nov-22,
