DOI 10.1186/s13059-026-03965-8
SAKURA: a knowledge-guided approach to recovering important, rare signals from single-cell data.
Аннотация
Dimensionality reduction is routinely applied to single-cell transcriptomic data to improve interpretability, remove noise and redundancy, and enable visualization. Most existing methods aim at preserving the most prominent data properties, which can lead to omission of rare but important signals. Here we propose a novel framework, SAKURA, that uses knowledge-derived genes of interest to guide dimensionality reduction, which can help cluster rare cells and separate highly similar cell subpopulations. We demonstrate the utility of our framework in identifying endocrine cell subtypes in the pancreatic islet, highly similar hematopoietic subpopulations, and rare senescent cells.
Предметные рубрики MeSH
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.