VIMA：无需注释发现疾病相关空间分子结构
Get the story
研究者提出基于深度学习的统计方法 VIMA（variational inference-based microniche analysis），源自 Reshef 等人关于空间分子数据病例—对照分析的研究，发表于 Nature Methods。该方法可在无需将数据标注为细胞类型或生态位的情况下，识别空间分子数据中的疾病相关模式，并在多种空间分子技术与疾病中表现出高效力与高保真度。技术细节上，VIMA 基于条件变分自编码器（cVAE）学习组织斑块指纹，训练 10 组 cVAE 集成，并定义大量可重叠的“微生态位”（microniche）做丰度关联检验，可输出全局检验与给定 FDR 阈值下的局部检验，P 值校准良好。
Generated from reports · updated 2 hr ago
Timeline
Follow the coverage from different angles.
- Nature · Machine LearningVIMA：空间分子数据的病例—对照分析方法
研究者提出 VIMA，一种用于空间分子数据统计病例—对照分析的方法。VIMA 基于条件变分自编码器（cVAE）学习组织斑块指纹，训练 10 组 cVAE 集成，并定义大量可重叠的“微生态位”（microniche）做丰度关联检验，可输出全局检验与给定 FDR 阈值下的局部检验，P 值校准良好。
- Nature · Machine LearningVIMA：灵活发现疾病相关组织结构
研究者提出基于深度学习的统计方法 VIMA（variational inference-based microniche analysis），可在无需将数据标注为细胞类型或生态位的情况下，识别空间分子数据中的疾病相关模式。VIMA 在多种空间分子技术与疾病中均表现出高效力与高保真度。该方法源自 Reshef 等人关于空间分子数据病例—对照分析的研究，发表于 Nature Methods。
Heat trend
There is not enough continuous observation data to draw a trend yet.