论文
分类：论文
GeneFormer
scFoundation
scGPT
Virtual_Challenge
Title Virtual Cell Challenge: Toward a Turing test for the virtual cell Introduction These ‘‘virtual cells’’ are expected to learn the relationship between cell state and function…
Systema
Title Systema: a framework for evaluating genetic perturbation response prediction beyond systematic variation Abstract 什么是系统变异 Systematic variation：the consistent transcriptional…
Simple_Perform_better
Title Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines 数据集 Norman et al.11, in which 100 individual genes and 124 pairs of ge…
Optimal Transport
# 最优传输 如何用最少的代价将一个质量分布转为另一个质量分布 ## Monge Let μ and ν be two measures in $\mathbb{R}^d$. The optimal transport problem by Monge is defined as $$\begin{equation} {\arg \min }_{T:{T}_…
CellOT
Title Learning single-cell perturbation responses using neural optimal transport Abstract 本文一共干了三件事： predicting the scRNA-seq responses of holdout patients with lupus exposed to in…
GEARS
Predicting transcriptional outcomes of novel multigene perturbations with GEARS.
scPerturb
scPerturb: harmonized single-cell perturbation data.
毕业设计文档汇总
似水流年
对spatial domain内容的总结
总结一下以往看过的文章对于background，尤其是对于spatial domain相关知识的介绍 Benchmarking spatial clustering methods with spatially resolved transcriptomics data Spatial clustering, which shares an analogy…
EnSDD
Enhancing spatial domain detection in spatial transcriptomics with EnSDD
DeepST
DeepST: identifying spatial domains in spatial transcriptomics by deep learning Abstract DeepST can dissect spatial domains in cancer tissue at a finer scale. DeepST can not only e…
数据集记录
这篇文章用来记录我所有遇到的数据集它们是什么，从哪里来，什么结构，适用于哪些算法等等这些问题，具体的数据会保存在硬盘上。
BayesSpace
Spatial transcriptomics at subspot resolution with BayesSpace
scanpy数据使用笔记
Scanpy 是一个专门用于单细胞 RNA 测序 (scRNA-seq) 数据分析的 Python 库，它的核心数据结构是 AnnData （Annotated Data）。了解 AnnData 数据类型是使用 Scanpy 的关键。以下是对 AnnData 的详细介绍： 1. AnnData 的结构 AnnData 是一种基于矩阵的数据结构，专为处理大规模…
MENDER
MENDER: fast and scalable tissue structur identification in spatial omics data.
STAGATE
STAGATE: Deciphering spatial domains from spatially resolved transcriptomics with an adaptive graph attention auto-encoder 主要利用了Graph Attention Network里面的方法，创建3D SNN时假设不同切片同一位置具有连续…
SpaGCN
SpaGCN: Integrating gene expression, spatial location and histology to identify spatial domains and spatially variable genes by graph convolutional network. 主要利用了spage2vec方法对数据进行降维…
Matching_Anything_by_Segmenting_Anything
小毕设要求实现的论文，还挺新 这是 知乎上的归纳总结 ，本文基本不会参考知乎上的那篇，准备先自己理解总结一遍再看看其他人怎么写的 原文地址和代码知乎上都有引用
论文ppt1
针对前三篇论文的PPT总结
Benchmarking-spatial-claustering-methods-with-spatially-resolved-transcriptomic-data
单词表 +++primary 单词表 scope: 范围 evaluate: 评价 scenario: 设想的情况 multiplex: 多路运输 pose: 构成 substantial: 可观的 annotation: 注释 conquer: 征服 extant: 尚存的 extensively: 全面的 laminar: 薄片/层型 NMI: norm…
Cell_Review_What_is_a_cell_type_and_how_to_define_it
这文章看的人心力憔悴 单词 这里面的专有名词太多了，会记录很多 +++primary 单词表 phenotypic: 表型的 mammalian: 哺乳动物的 unicellular: 单细胞的 multicellular: 多细胞的 reproducible: 可再现的 unprecedented: 前所未有的 transcriptomics: 转录组学…
What_is_A_Cell_Type
从这篇开始我就正式接触科研了，对于每一篇文章都尽量做一个良好的学习。会针对分析、概括、思考、代码等等方便对文章进行学习。主要起到一个确保自己当下学懂和未来能够用到的作用。 不苛求形式，即使博客本身形式性就很强。我会尽量做到更新，或以博客记录，或者把自己的电子手写稿粘贴上来。如果对我的内容有疑问，欢迎批评与指正。
scRNA论文笔记
论文阅读笔记