热烈祝贺本组的科研论文被SCI期刊Interdisciplinary Sciences: Computational Life Sciences（JCR Q1/中科院2区）录用 (图)
近日，本人以第一作者身份投稿至 Interdisciplinary Sciences: Computational Life Sciences 的文章被录用，论文题目为 “scCMA: A Contrastive Masked Autoencoder Framework for Robust Representation Learning of scRNA-seq Data”。湖南科技大学为第一完成单位，论文作者为 Xiang Chen、Wenfeng He、Junnan Yu、Zhaoyu Fang。22级本科大数据专业学生何文锋完成了所有实验，21级硕士研究生余俊楠和中南大学博士方钊玉参与论文的修订。
Interdisciplinary Sciences: Computational Life Sciences 是 Springer 出版的跨学科科学期刊，聚焦计算与生命科学的交叉领域，被 SCI 收录，属 JCR Q1/中科院2区。该刊发表生物信息学、系统生物学、计算生物学及相关方法学的高质量研究，是领域内重要的学术期刊。
本文提出了一种新颖的单细胞RNA测序数据分析方法 scCMA，将对比学习与掩码自编码器架构相结合，用于单细胞数据的鲁棒表征学习，有效应对高维稀疏、噪声与批次效应等挑战。实验表明，scCMA 在细胞聚类、批次校正、罕见细胞类型识别等任务上表现优异。该工作会议版本此前已被 ISBRA 2025 接收，现扩展版获期刊录用。
这项工作的完成离不开导师的指导和团队成员的共同努力。感谢国家自然科学基金(No.62202162)的资助。
相关链接
CC BY-NC-SA 4.0
本文由 Xiang CHEN 陈向 创作，采用 CC BY-NC-SA 4.0 协议，首发于 https://chenxofhit.xyz 个人网站。
您可以自由地：
- 分享 — 在任何媒介以任何形式复制、发行本作品
- 演绎 — 修改、转换或以本作品为基础进行创作
惟须遵守下列条件：
- 署名 — 您必须给出适当的署名，提供指向本许可协议的链接，同时标明是否（对原始作品）作了修改。您可以用任何合理的方式来署名，但是不得以任何方式暗示许可人为您或您的使用背书。
- 非商业性使用 — 您不得将本作品用于商业目的。
- 相同方式共享 — 如果您再混合、转换或者基于本作品进行创作，您必须基于与原先许可协议相同的许可协议分发您贡献的作品。
商业使用请联系：[email protected]