Loss-function learning for digital tissue deconvolution
组织的基因表达谱是该组织中所有细胞的表达谱的平均值。数字组织去卷积（DTD）解决了以下逆问题：给定组织的表达谱$y$，该组织的细胞组成$c$是什么？如果$X$是其列是单个细胞类型的参考谱的矩阵，则可以通过针对给定损失函数$\mathcal L$最小化$\mathcal L(y-Xc)$来计算组成$c$。目前的方法使用预定义的通用损失函数。他们成功地量化了组织中的主要细胞，但在检测小细胞群方面往往不足。在这里，我们学习损失函数$\mathcal L$以及组合$c$。这使我们能够适应应用特定的要求，例如专注于小细胞群体或区分表型相似的细胞群体。我们的方法与现有方法一样准确地定量大细胞组分，并显着提高了小细胞群体的检测和相似细胞类型的区分。
2018-01-25 q-bio.QM
Subspace Tensor Orthogonal Rotation Model (STORM) for Batch Alignment, Cell Type Deconvolution, and Gene Imputation in Spatial Transcriptomic Data
Michigan State University（密歇根州立大学）
STORM模型通过子空间张量分解技术解决空间转录组数据中的批次效应、混合细胞类型信号和缺失基因表达问题，提供可解释的分析方法。
2026-03-23 q-bio.QM
Data-Driven Soft Labeling Scales DNA Read Classification to Whole-Body Cell-Type Deconvolution
Department of Oncology KU Leuven（鲁汶大学肿瘤学系）
针对细胞类型反卷积难题，提出数据驱动软标签估计读取的条件细胞类型分布，集成到新框架Syto，在人体39种细胞类型图谱上表现出色，为大型细胞类型面板建模奠基，软标签方案可用于多对多映射场景。
2026-10-21 cs.LG q-bio.GN q-bio.QM
DeCovarT, a multidimensional probalistic model for the deconvolution of heterogeneous transcriptomic samples
本文提出 DeCovarT 反卷积工具，通过整合参考样本协方差矩阵和单纯形约束的最大似然估计，提升异质转录组样本中密切相关细胞群体的比例推断性能。
2023-09-18 q-bio.QM
A feasible roadmap for unsupervised deconvolution of two-source mixed gene expressions
组织异质性是研究个体人群的主要混杂因素，无法通过全局分析直接解决。减轻组织异质性的实验解决方案是昂贵的，耗时的，不适用于现有的数据，并可能改变原始的基因表达模式。在这里，我们问是否有可能从两个或更多个异质性样品中去卷积两个源的混合表达（估计比例和细胞特异性概况），而不需要任何先验知识。在一个有充分依据的数学框架的支持下，我们认为，当细胞特异性标记基因存在时，可以在完全无监督的模式下估计组成比例和细胞特异性表达，对于每个组成细胞类型，这些标记基因不必事先知道。我们展示了模拟和真实基因表达数据的无监督反卷积的性能，以及前景讨论。
2013-10-25 q-bio.GN q-bio.QM stat.AP
An updated State-of-the-Art Overview of transcriptomic Deconvolution Methods
本文全面概述了用于估计复杂组织中细胞亚型频率的转录组去卷积技术，按方法学特征、先验知识和统计约束进行分类，并强调了基于概率模型的工具优势及未来挑战。
2023-10-23 q-bio.GN q-bio.QM
Sweetwater: An interpretable and adaptive autoencoder for efficient tissue deconvolution
Sweetwater是一种可解释且自适应的自编码器，利用多种参考数据高效去卷积批量RNA测序和微阵列样本，减少平台偏差并提高结果可靠性。
2024-03-17 q-bio.GN q-bio.QM
A Bayesian Model of NMR Spectra for the Deconvolution and Quantification of Metabolites in Complex Biological Mixtures
核磁共振（NMR）谱广泛用于代谢组学中以获得溶解在生物流体（诸如细胞上清液）中的代谢物的谱。用于从这些光谱估计代谢物浓度的方法目前限于手动峰拟合和用于整合共振峰的分箱程序。关于人类代谢物产生的光谱共振模式的广泛信息现在可在在线数据库中获得。通过将这些信息纳入贝叶斯模型，我们可以从光谱中去卷积共振峰，并获得相应代谢物的明确浓度估计值。不能以这种方式去卷积的光谱共振也可能具有科学意义，因此我们使用小波对其进行联合建模。我们描述了一个马尔可夫链蒙特卡罗算法，它允许我们从联合后验分布的模型参数的样本，使用专门设计的块更新，以提高混合。共振模式的强先验允许算法自动识别对应于特定代谢物的峰，从而消除手动峰分配的需要。我们评估我们的方法峰对齐和浓度估计。除了在目标共振信号非常弱的情况下，对准是无偏的和精确的。我们比较贝叶斯浓度估计从传统的数值积分方法，发现我们的点估计有六倍低的均方误差。最后，我们将我们的方法应用于从酵母重组蛋白表达的代谢反应的调查中获得的光谱数据集。我们估计26种代谢物的浓度，并与五位光谱专家的手动定量进行比较。我们讨论了差异的原因和我们的方法浓度估计的稳健性。
2012-05-15 q-bio.QM stat.AP stat.ME
Accelerated Bayesian inference of gene expression models from snapshots of single-cell transcripts
了解如何随机基因表达是调节生物系统中使用快照的单细胞转录本需要国家的最先进的方法的计算分析和统计推断。贝叶斯统计推断方法是单细胞数据动力学参数模型选择和不确定性量化的最完整方法。这种方法是不切实际的，因为目前的数值算法太慢，无法处理典型的基因表达模型。为了解决这个问题，我们首先表明，时间依赖的mRNA分布的离散状态模型的基因表达的动态泊松混合，其混合内核的特点是由一个分段确定性马尔可夫过程。我们将此分析结果与动力学蒙特卡罗算法相结合，创建了一种混合数值方法，与当前方法相比，该方法将时间依赖性mRNA分布的计算加速了1000倍。然后，我们将混合算法集成到现有的Monte Carlo采样器中，以在合理的时间内估计许多不同的竞争模型的贝叶斯后验分布。我们验证了我们的方法加速贝叶斯推断在几个合成数据集。我们的研究结果表明，动力学参数可以合理地限制适度采样的数据集，如果该模型是已知的\textit{a priori}。如果模型是未知的，贝叶斯证据可以用来严格量化模型相对于数据中其他模型的可能性。我们证明了贝叶斯证据选择了真实的模型，并优于近似度量，例如，贝叶斯信息准则（BIC）或赤池信息准则（AIC），通常用于模型选择。
2018-12-07 physics.bio-ph physics.data-an q-bio.QM
ARACNE: An Algorithm for the Reconstruction of Gene Regulatory Networks in a Mammalian Cellular Context
背景：阐明基因调控网络对于理解正常细胞生理学和复杂病理表型至关重要。现有的全基因组"逆向工程“的这种网络的计算方法已经成功，只有较低的真核生物与简单的基因组。在这里，我们提出了ARACNE，一种新的算法，使用微阵列表达谱，专门设计的规模在哺乳动物细胞中的调控网络的复杂性，但一般足以解决更广泛的网络去卷积问题。该方法使用信息论方法来消除由共表达方法推断的大多数间接相互作用。结果如下：我们证明，ARACNE重建网络完全（渐近），如果在网络拓扑结构中的循环的影响可以忽略不计，我们表明，该算法在实践中工作良好，即使在存在大量的循环和复杂的拓扑结构。我们评估ARACNE的能力，重建转录调控网络使用现实的合成数据集和人类B细胞的微阵列数据集。在合成数据集上，ARACNE实现了非常低的错误率，并优于相关网络和贝叶斯网络等已建立的方法。应用于人类B细胞中遗传网络的去卷积证明了ARACNE推断cMYC原癌基因的经验证的转录靶点的能力。我们还研究了误估计互信息对网络重构的影响，并表明基于互信息排序的算法对估计误差有更强的弹性。
2005-10-07 q-bio.GN q-bio.MN q-bio.QM
Traction force microscopy with optimized regularization and automated Bayesian parameter selection for comparing cells
本文针对牵引力显微镜(TFM)中手动选择正则化参数的主观性问题，测试了多种计算机视觉和贝叶斯推断方法，发现Elastic Net正则化精度最优，并提出两种自动L2正则化方法实现稳健的牵引力重建，减少了细胞间比较的不确定性。
2018-10-13 physics.bio-ph q-bio.CB q-bio.QM
Tissue stress measurements with Bayesian Inversion Stress Microscopy
本研究提出了一种无需假设细胞流变学的贝叶斯反演应力显微镜技术，用于测量复杂异质组织中的应力，适用于多种实验条件和细胞类型。
2025-11-29 physics.bio-ph q-bio.QM
InferenceMAP: Mapping of Single-Molecule Dynamics with Bayesian Inference
单粒子跟踪（SPT）在分子尺度上对细胞功能提供了前所未有的洞察力[1]。在整个细胞中，单分子的运动通常是不均匀和复杂的。因此，有必要了解生物系统中单分子动力学的多尺度性质。我们之前已经证明，使用高密度SPT，可以生成指示分子运动的参数的空间图，以复杂地描述细胞环境[2，3，4]。然而，迄今为止，不存在协调轨迹数据以生成上述地图的可编程可用工具。我们解决了这个空白的SPT社区与InferenceMAP：一个交互式软件包，使用强大的贝叶斯方法来映射动态细胞空间所经历的个别生物分子。
2015-04-02 physics.bio-ph q-bio.QM
A Bayesian approach to model uncertainty in single-cell genomic data
University College London（伦敦大学学院）；The Francis Crick Institute（弗朗西斯·克里克研究所）；Birkbeck, University of London（伦敦大学伯贝克学院）
本文提出一种变分贝叶斯框架，用于单细胞组数据的聚类与分析，通过贝叶斯高斯混合模型估计细胞与不同簇的概率关联，以捕捉细胞过渡并提供神经发生和乳腺癌进展的生物相干见解。
2026-11-11 q-bio.GN q-bio.QM
BayesHammer: Bayesian clustering for error correction in single-cell sequencing
测序读数的纠错仍然是一项艰巨的任务，特别是在覆盖率极不均匀的单细胞测序项目中。虽然为标准（多细胞）测序数据设计的现有纠错工具通常在单细胞测序项目中出现不足，但实际用于单细胞纠错的算法到目前为止非常简单。我们介绍了几种新的算法的基础上汉明图和贝叶斯子聚类在我们的新的纠错工具BayesHammer。虽然BayesHammer是为单细胞测序而设计的，但我们证明它也改进了现有的多细胞测序数据纠错工具，同时在现实生活中的数据集上工作得更快。我们基准BayesHammer上的$k$ -mer计数和实际组装结果与SPAdes基因组组装。
2012-11-12 cs.CE cs.DS q-bio.GN
On the Promises and Limits of Multi-omics Integration for Deconvolution: The HADACA3 Benchmark
IRMAR CNRS, Institut Agro Rennes Angers（雷恩-昂热农业学院 IRMAR 法国国家科学研究中心）；Univ. Grenoble-Alpes, CNRS, LIG（格勒诺布尔阿尔卑斯大学 法国国家科学研究中心 信息学实验室）；Aix-Marseille Univ, INSERM, MMG（艾克斯-马赛大学 法国国家健康与医学研究院 MMG）；CIT, Ligue Nationale Contre le Cancer, Paris（巴黎全国抗癌联盟 CIT）；BioQuant, IPMB, Heidelberg Univ.（海德堡大学生物定量中心 IPMB）；IMT CNRS, Univ. Toulouse（图卢兹大学 IMT 法国国家科学研究中心）；Aix-Marseille Univ, CNRS, CIML（艾克斯-马赛大学 法国国家科学研究中心 CIML）；Univ. Grenoble-Alpes, INSERM, IAB（格勒诺布尔阿尔卑斯大学 法国国家健康与医学研究院 IAB）；IGDR CNRS, Univ. Rennes（雷恩大学 IGDR 法国国家科学研究中心）
本文通过社区驱动的 HADACA3 基准测试，评估多组学整合（DNA甲基化与RNA）在细胞类型去卷积中的表现，发现单独DNA甲基化平均性能最优，但多组学整合可在特定设置下提升最佳性能。
2026-06-04 q-bio.QM
Pitfalls in the quantitative analysis of random walks and the mapping of single-molecule dynamics at the cellular scale
近年来，贝叶斯推断已成为分析单分子轨道的有效工具。最近，高密度单分子标记、朗之万方程建模和贝叶斯推断[10]已被用于推断全细胞尺度的扩散、力场和势场。在这篇简短的评论中，我们指出了在单分子分析中要避免的陷阱[1，2]，以便在各种尺度上获得无偏的结果和可靠的领域。
2015-02-25 physics.bio-ph q-bio.QM
Bayesian Calibration and Model Assessment of Cell Migration Dynamics with Surrogate Model Integration
IMDEA Materials Institute（IMDEA材料研究所）；Universidad Politécnica de Madrid（马德里理工大学）；Aragón Institute of Engineering Research (I3A)（阿伦工程技术研究所（I3A））
针对细胞迁移模型校准难题，提出含四种互补策略的贝叶斯校准方法，结合真实胶质母细胞瘤实验数据对比分析，明确替代模型与参数模型的优劣，为复杂生物系统计算模型校准改进提供实用指导。
2025-09-23 cs.LG math.AP q-bio.CB
Bayesian dictionary learning estimation of cell membrane permeability from surface pH data
CINECA, consorzio interuniversitario（CINECA，大学间联合体）；Department of Mathematics, Applied Mathematics and Statistics Case Western Reserve University（凯斯西储大学数学、应用数学与统计系）
本文提出基于字典学习的算法，用于从表面pH数据估计细胞膜渗透性，相较于粒子滤波器更具计算效率。
2026-01-27 cs.NA math.NA q-bio.QM
Bayesian Detection of Abnormal ADS in Mutant Caenorhabditis elegans Embryos
细胞分裂时间对于胚胎发生过程中的细胞命运特化和形态发生至关重要。在发育过程中，细胞之间的分裂时间是如何调节的，人们还知之甚少。在这里，我们集中在姐妹细胞之间的分裂（ADS）的野生型和突变体的秀丽隐杆线虫个体之间的能力的比较。由于每个突变基因的突变个体的重复数（通常为1）远小于野生型，因此直接比较野生型和突变型之间的ADS的两个分布（如Kolmogorov-Smirnov检验）是不可行的。另一方面，我们发现野生型中ADS有时与相应母细胞的寿命相关。因此，我们应用半参数贝叶斯分位数回归方法来估计ADS相对于野生型个体的母细胞寿命的95%置信区间曲线。然后，在相应的置信区间之外的多个类型的ADS被选为异常的一个，显著性水平为0.05。仿真实验证明了该方法的准确性，基因富集分析验证了真实数据集的结果。
2018-03-13 q-bio.QM stat.AP
Combining human cell line transcriptome analysis and Bayesian inference to build trustworthy machine learning models for prediction of animal toxicity in drug development
生物医学数据，特别是在基因组学领域，具有使其对机器学习应用具有挑战性的特征-它可以是稀疏的、高维的和有噪声的。生物医学应用也对模型选择提出了挑战-虽然强大，准确的预测是必要的，但它们本身并不足以使模型被认为是有用的。由于预测的性质，模型还必须是可信和透明的，使从业者相信其使用是适当和可靠的。在本文中，我们建议，这可以通过使用明智的构建的特征集加上贝叶斯模型，特别是高斯过程来实现。我们将高斯过程应用于药物发现，使用来自人类细胞系的廉价转录组学谱来预测用特定化合物治疗后的动物肾脏和肝脏毒性。如果体外人类细胞系分析可以准确预测模型动物表型，这种方法有可能减少临床试验期间的侵入性和昂贵的动物试验。我们比较了一系列特征集和模型的结果，以突出模型对医疗应用的重要性。
2019-11-12 q-bio.GN q-bio.QM
A Bayesian Approach to Optimizing Stem Cell Cryopreservation protocols
冷冻保存面临着在广泛的细胞类型和过程变量中保持方案一致的挑战。通过对先前发表的冷冻保存数据（样本平均值和标准误差）进行横截面评估作为初步元数据，进行决策树学习分析（DTLA），以了解基于不同方法的目标存活率和优化修剪方法。简单地说，在方法选择的决策过程中制定了明确的方向，一方面是冷却速率，插入温度，另一方面是生物材料的选择，复合材料（糖和蛋白质）的使用，加载程序和细胞在3D支架中的位置。其次，使用机器学习和通过朴素贝叶斯分类（NBC）方法的广义方法，这些元数据被用于开发隐含记录在元数据中的组合方法的后验概率。这些后者的结果表明，新的协议选择开发使用概率启发技术可以挖掘出改进的协议符合多个一维优化的物理协议。总之，本文提出了使用DTLA模型，随后NBC的现代冷冻保存技术的改进，通过综合的方法。关键词：3D冷冻保存，决策树学习（DTL），糖，小鼠胚胎干细胞，元数据，朴素贝叶斯分类器（NBC）
2014-04-04 q-bio.QM
PRESCRIBE: Predicting Single-Cell Responses with Bayesian Estimation
Shanghai Jiao Tong University（上海交通大学）；Westlake University（西湖大学）；AIMS Lab, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）AIMS实验室）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出PRESCRIBE，一种多变量深度证据回归框架，用于同时估计单细胞扰动预测中的认知和偶然不确定性，通过置信度过滤实现超过3%的准确性提升。
2025-10-09 cs.LG q-bio.QM
