DR-GEM 实现单细胞嵌入与注释的自监督机器学习

DR-GEM 是一种自监督元算法，通过重构误差重新引导模型关注初始遗漏的模式，并利用平衡共识学习提升鲁棒性、过滤低质量数据。在合成与真实单细胞、空间转录组和 Perturb-seq 数据集上，DR-GEM 在获取可靠嵌入、恢复稀有细胞类型、过滤噪声、缓解细胞与患者层面代表性不足以及发现未见的遗传和空间特征方面优于现有方法。