可以通过机器学习改进细胞身份

基因的表达和激活方式会在器官和组织中产生具有相似类型和功能的细胞模式。 这些模式有助于我们更好地了解细胞，从而更好地了解疾病机制。

得益于空间转录组学，研究人员现在可以在其空间背景下观察组织样本中的基因表达。 需要新的计算方法来帮助理解这些数据并识别和理解基因表达模式。

为了填补这一空白，卡内基梅隆大学计算机科学学院计算生物学教授 Jian Ma、Ray 和 Stephanie Lane 领导的研究小组开发了一种机器学习工具。 关于该方法的论文 SPICEMIX 作为封面文章出现在最新一期的 Nature Genetics 上。

来源和详细信息：
https://phys.org/news/2023-01-machine-method-cell-identity.html