西电主页 English 宣传部
西电要闻
表格等宽内容时,请左右滑动 <>
【创新西电】计科院马小科教授团队在《Genome Biology》上发表研究成果
时间:2024-07-03 17:36:15来源:计算机科学与技术学院点击:

西电新闻网讯(通讯员 臧熠璇)近日,计算机科学与技术学院陕西省智能人机交互与可穿戴技术重点实验室、智能媒体与数据工程研究所马小科教授团队在基因组学顶级期刊《Genome Biology》(五年IF=17.4)发表研究成果“MNMST: topology of cell networks leverages identification of spatial domains from spatial transcriptomics data”,第一作者为计算机科学与技术学院二年级博士生王昱,唯一通讯作者为马小科教授,合作者为广东省人民医院刘再毅主任医师。

11.png

该研究针对空间转录组数据存在噪声高、分辨率低、空间域集成分析难等关键问题,通过自动学习空间点之间的关联关系,全面刻画空间组织切片中的关键区域,提出了面向空间转录组的多层网络模型MNMST。该模型利用转录表达与位置信息分别构建细胞表达网络与细胞空间网络,形成空间转录组细胞多层网络。通过分析细胞多层网络拓扑结构,克服空间转录组多模态数据信息异质性冲突问题。进一步,采用联合非负矩阵分解算法挖掘多层网络共享特征,从而显著性提高细胞空间模式的可解释性。MNMST能够对现有的空转转录测序平台数据实现全覆盖,同时精确地识别空间组学切片中的肿瘤区域、健康区域、肿瘤边缘区域,可准确地识别并且可视化癌症域关联的基因分子标志物。该研究具有重要的医学研究价值,为解析临床空间肿瘤组织切片和探索癌症发病机制提供有效的分析工具与计算手段。

《Genome Biology》是施普林格·自然集团(Springer Nature)主办的旗舰期刊,基因组生物学中排名最高的开放获取期刊,也是生物统计、生物信息学领域的顶级期刊。刊登生物学、生物医学领域的重大研究研究成果,该期刊每年在全球范围内发表约300篇论文。该研究成果得到国家自然科学基金重点项目(U22A203458)、国家自然科学基金面上项目(62272361)等的资助。近年来,马小科教授团队持续性在国际著名期刊发表高水平学术论文,得益于计算机科学与技术学院注重青年教师成长与培育。

教授简介:

马小科,教授、博士生导师,2012年在西安电子科技大学获计算机应用博士学位,2012-2015年在美国爱荷华大学从事博士后科研工作,2015年入职西安电子科技大学。长期从事数据挖掘、机器学习、生物信息学等方面科研工作。在Cell Stem Cell、PNAS、Genome Biology、IEEE TKDE、IEEE TCYB、ACM TKDD等国际期刊发表学术论文100多篇,其中ESI高被引/热点论文11篇,Google学术引用3000余次。主持国家自然科学基金重点项目(联合主持)、国家自然科学基金面上项目、陕西省重点研发等项目。先后获得中国电子学会科技技术奖、甘肃省科学技术奖等省部级奖多项、陕西高等学校科学技术研究优秀成果奖一等奖两项。

论文链接:

https://doi.org/10.1186/s13059-024-03272-0

上一条:【名师西电】田阗:做学生求学路上的同路人,互相成全,相互成就
下一条:聚焦|习近平寄语美国青少年“青春同行”交流团

请遵守《互联网电子公告服务管理规定》及中华人民共和国其他有关法律法规。
用户需对自己在使用本站服务过程中的行为承担法律责任。
本站管理员有权保留或删除评论内容。
评论内容只代表网友个人观点,与本网站立场无关。
 匿名发布 验证码 看不清楚,换张图片
0条评论    共1页   当前第1
【创新西电】计科院马小科教授团队在《Genome Biology》上发表研究成果
发布时间:2024-07-03 17:36:15来源:计算机科学与技术学院点击:我要评论: 0

西电新闻网讯(通讯员 臧熠璇)近日,计算机科学与技术学院陕西省智能人机交互与可穿戴技术重点实验室、智能媒体与数据工程研究所马小科教授团队在基因组学顶级期刊《Genome Biology》(五年IF=17.4)发表研究成果“MNMST: topology of cell networks leverages identification of spatial domains from spatial transcriptomics data”,第一作者为计算机科学与技术学院二年级博士生王昱,唯一通讯作者为马小科教授,合作者为广东省人民医院刘再毅主任医师。

11.png

该研究针对空间转录组数据存在噪声高、分辨率低、空间域集成分析难等关键问题,通过自动学习空间点之间的关联关系,全面刻画空间组织切片中的关键区域,提出了面向空间转录组的多层网络模型MNMST。该模型利用转录表达与位置信息分别构建细胞表达网络与细胞空间网络,形成空间转录组细胞多层网络。通过分析细胞多层网络拓扑结构,克服空间转录组多模态数据信息异质性冲突问题。进一步,采用联合非负矩阵分解算法挖掘多层网络共享特征,从而显著性提高细胞空间模式的可解释性。MNMST能够对现有的空转转录测序平台数据实现全覆盖,同时精确地识别空间组学切片中的肿瘤区域、健康区域、肿瘤边缘区域,可准确地识别并且可视化癌症域关联的基因分子标志物。该研究具有重要的医学研究价值,为解析临床空间肿瘤组织切片和探索癌症发病机制提供有效的分析工具与计算手段。

《Genome Biology》是施普林格·自然集团(Springer Nature)主办的旗舰期刊,基因组生物学中排名最高的开放获取期刊,也是生物统计、生物信息学领域的顶级期刊。刊登生物学、生物医学领域的重大研究研究成果,该期刊每年在全球范围内发表约300篇论文。该研究成果得到国家自然科学基金重点项目(U22A203458)、国家自然科学基金面上项目(62272361)等的资助。近年来,马小科教授团队持续性在国际著名期刊发表高水平学术论文,得益于计算机科学与技术学院注重青年教师成长与培育。

教授简介:

马小科,教授、博士生导师,2012年在西安电子科技大学获计算机应用博士学位,2012-2015年在美国爱荷华大学从事博士后科研工作,2015年入职西安电子科技大学。长期从事数据挖掘、机器学习、生物信息学等方面科研工作。在Cell Stem Cell、PNAS、Genome Biology、IEEE TKDE、IEEE TCYB、ACM TKDD等国际期刊发表学术论文100多篇,其中ESI高被引/热点论文11篇,Google学术引用3000余次。主持国家自然科学基金重点项目(联合主持)、国家自然科学基金面上项目、陕西省重点研发等项目。先后获得中国电子学会科技技术奖、甘肃省科学技术奖等省部级奖多项、陕西高等学校科学技术研究优秀成果奖一等奖两项。

论文链接:

https://doi.org/10.1186/s13059-024-03272-0

责任编辑:冯毓璇
相关阅读:
    读取内容中,请等待...
本月热点