算法
标签：算法
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.
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…
BayesSpace
Spatial transcriptomics at subspot resolution with BayesSpace
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…
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…
DP
学了三天DP连个P都不会，总的来说就是寄了，每道题不看题解就做不来，试着做了做三道提高组难度的题，做出来了俩，另外一个没有思路。这俩题我都想出了大部分思路，但最后几步由于经验问题没想出来。做完后我以为我懂了，然后膨胀了，去挑战 低价购买 这道题。然后不出意外寄了。打算先不弄这个了，等以后在弄，先把之前写的贴上来吧。
Tarjan
想当年高中组织活动的时候我还专门写过Tarjan的流程和证明，如今已经忘的干干净净，原来的代码也找不到了，只能现写了。 总的来说就是利用一个栈，将每个访问到的点push入栈，在寻找的过程中记录两个值，一个是dfn——它是第几个搜索到的，一个是low——它能衍生的点中dfn最小的值。如果一个点dfn==low说明它本身就是最小的点，把它及它栈以上的点全部pop…
LCA
LCA（Least Common Ancestors），即最近公共祖先，是指在有根树中，找出某两个结点u和v最近的公共祖先。 ———来自百度百科 对于一棵树来说，我们为了求它的最近公共祖先其实思路和快速幂是差不多的，我们不能直接一个个的向上查找，这样会使时间复杂度爆表，我们应当以2^k的速率往上找，这样可以使其时间复杂度降为log级别。 不得不说luogu上…
线段树
线段树是一种树状数据结构，它可以区间加减，区间乘除等一系列操作，用于处理那种可以合并状态的数据，在使用其3倍左右的空间的代价下使得其修改、查询、求区间和等等操作变得更加快捷。但与此同时，我们无法利用它处理类似于区间最长01序列此类问题，而且线段树代码冗长，其实很容易写错（也可能是因为我太菜了）。 我们将一组数据进行如下处理，每相邻的两个数据有一个父亲节点来记…
Dijkstra
Dijkstra算法用于解决单源最短路问题，假设起始点为S，在最开始我们可以知道S到某些点的距离，从中取出最小的一个，我们可以保证在我们取出这个最小值的时候不可能有任何路径可以更短的到达此点，，此过程使用了贪心的思想。每当我们找出一个这样的点就更新S到与此点相连的其它点的距离，我们每一次取点都保证取出的是最短的且未被访问的点，这就是Dijkstra算法。