利用神经网络对单细胞数据进行降维
文章标题：Using neural networks for reducing the dimensions of single-cell RNA-Seq data
2017 年发表在 NAR 上的一篇文章，今天又重新拾起这篇文章。
让我震撼的是这篇文章的 NN 的结构，作者居然把 TF 和 Protein 直接和 hidden layer 的 nodes 直接合并在一起了，即使是在 2021 年看来这个做法也是颇为大胆的。
这篇文章还有一个十分有意思的点是 functional analysis of hidden layer nodes。神经网络广为诟病的一点是它的黑箱性质，也就是缺乏可解释性。这种设计的网络结构有一个优势，也就是在实验中发现， hidden layer的得分最高的节点通常与细胞或调节这些功能的 tf 所执行的特定功能非常相关。这一点非常有意思，值得玩味。
CC BY-NC-SA 4.0
版权声明
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]