اکسپرس 24
ترجمه فارسی مقاله شبکه عصبی خصمانه نقابدار برای دکانولوشن نوع سلول در رونوشت‌برداری فضایی

ترجمه فارسی مقاله شبکه عصبی خصمانه نقابدار برای دکانولوشن نوع سلول در رونوشت‌برداری فضایی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Masked adversarial neural network for cell type deconvolution in spatial transcriptomics
عنوان مقاله به فارسی شبکه عصبی خصمانه نقابدار برای دکانولوشن نوع سلول در رونوشت‌برداری فضایی
نویسندگان Lin Huang, Xiaofei Liu, Shunfang Wang, Wenwen Min
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 9 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 320,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Accurately determining cell type composition in disease-relevant tissues is crucial for identifying disease targets. Most existing spatial transcriptomics (ST) technologies cannot achieve single-cell resolution, making it challenging to accurately determine cell types. To address this issue, various deconvolution methods have been developed. Most of these methods use single-cell RNA sequencing (scRNA-seq) data from the same tissue as a reference to infer cell types in ST data spots. However, they often overlook the differences between scRNA-seq and ST data. To overcome this limitation, we propose a Masked Adversarial Neural Network (MACD). MACD employs adversarial learning to align real ST data with simulated ST data generated from scRNA-seq data. By mapping them into a unified latent space, it can minimize the differences between the two types of data. Additionally, MACD uses masking techniques to effectively learn the features of real ST data and mitigate noise. We evaluated MACD on 32 simulated datasets and 2 real datasets, demonstrating its accuracy in performing cell type deconvolution. All code and public datasets used in this paper are available at https://github.com/wenwenmin/MACD and https://zenodo.org/records/12804822.

چکیده به فارسی (ترجمه ماشینی)

تعیین دقیق ترکیب نوع سلول در بافتهای مرتبط با بیماری برای شناسایی اهداف بیماری بسیار مهم است.اکثر فن آوری های موجود رونویسی فضایی (ST) نمی توانند به وضوح تک سلولی دست یابند و تعیین دقیق انواع سلول را به چالش می کشد.برای پرداختن به این مسئله ، روشهای مختلف تجزیه و تحلیل ایجاد شده است.بیشتر این روشها از داده های توالی RNA تک سلولی (SCRNA-SEQ) از همان بافت به عنوان مرجع به انواع سلول های استنباط در نقاط داده ST استفاده می کنند.با این حال ، آنها اغلب از تفاوت بین داده های SCRNA-Seq و ST غافل می شوند.برای غلبه بر این محدودیت ، ما یک شبکه عصبی مخالف ماسک (MACD) پیشنهاد می کنیم.MACD از یادگیری مخالف برای تراز کردن داده های ST واقعی با داده های شبیه سازی شده ST تولید شده از داده های SCRNA-SEQ استفاده می کند.با نقشه برداری آنها به یک فضای نهفته یکپارچه ، می تواند تفاوت بین دو نوع داده را به حداقل برساند.علاوه بر این ، MACD از تکنیک های ماسک برای یادگیری مؤثر ویژگی های داده های واقعی ST و کاهش نویز استفاده می کند.ما MACD را در 32 مجموعه داده شبیه سازی شده و 2 مجموعه داده واقعی ارزیابی کردیم ، و صحت آن را در انجام تجزیه و تحلیل نوع سلول نشان داد.کلیه کد و مجموعه داده های عمومی مورد استفاده در این مقاله در https://github.com/wenwenmin/macd و https://zenodo.org/records/12804822 در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.