Unsupervised Domain Adaptation for Deconvolution of Spatial Transcriptomics Spots
Notice bibliographique
Résumé
Interest in local intercellular communication within tissues in fields such developmental biology, neuroscience, and oncology have motivated the development of spatially resolved transcriptomics technologies.These technologies come with trade-offs; for in situ capture methods such as 10x Genomics Visium, for example, the gene expression captured from a single spot may come from multiple cells, and thus computational methods for integrating single-cell data to deconvolve cell type proportions have gained interest.To date, these have required samplematched datasets from each modality, whereas in most cases these are not available.Taking inspiration from and building on CellDART, a method that uses domain adaptation to address this problem by treating reference scRNA-seq data as source domain data, we further investigate the performance of 3 domain adaptation methods (ADDA, DANN, and Deep CORAL) and a Bayesian method (RCTD) on 3 different pairs of source and target datasets (dlPFC, PDAC, and a "gold standard" mouse cortex dataset).We used metrics across 3 levels of evaluation: (a) performance on source domain scRNA-seq derived "pseudo-spots", (b) performance in mapping inputs from both domains to a common distribution, and (c) performance on real spatial transcriptomics spots.By integrating these 3 datasets and 3 levels of metrics, we ensured that our results were robust and broadly applicable.Upon performing hyperparameter tuning for all three models across all three sets, and evaluating the models, we were unable to conclusively determine whether any method performed better or worse.We found that CellDART remained a good performer, that it was difficult to train DANN, and that ADDA's performance is limited by not remaining consistent for specific samples.Future directions include improving on CellDART, integrate cycle-consistent loss for ADDA, and implementing unsupervised domain adaptation validation methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».