机构名称：
¥ 1.0
肿瘤学中的精确药物旨在根据患者肿瘤的独特遗传和分子特征来个性化治疗，以提高治疗效率或最小化副作用。随着技术进步产生越来越精确的肿瘤微环境数据，该数据的复杂性也会增加。尤其是空间数据 - 最近且有前途的OMS数据类型 - 为细胞的分辨率提供了分子信息，同时将细胞在组织内的空间环境保留。为了充分利用这种财富和这种复杂性，深度学习是一种能够超过传统方法的局限性的方法。本手稿详细介绍了旨在改善单细胞和空间数据复杂系统的新深度学习和计算方法的开发。描述了三个工具：（i）SCYAN，用于细胞仪中细胞类型的注释，（ii）SOPA，一种一般的空间数据预处理管道，以及（iii）Novae，是空间数据的基础模型。这些方法适用于几个精确的医学项目，加深了我们对癌症生物学的理解，并促进了新生物标志物的发现以及确定潜在的精密医学股份目标。
Hakim Benkirane先生的偏差通知Quentin Blampey先生
主要关键词
相关文件推荐
