外觀
Data Science › Deep Learning › 生資應用
深度學習的生資應用 (Deep Learning in Bioinformatics)
把前面章節的元件(CNN、Transformer、VAE、GNN)放到生物資料上:DNA / 蛋白質序列、單細胞表現量。重點不只是模型,而是生物資料特有的切分方式、評估陷阱與現成工具。
生資 DL 最常見的失敗不是模型不夠強,而是評估方式讓分數虛高:同源序列跨 train / test、相鄰基因體區段相關、同一捐贈者的細胞同時出現在兩邊。
筆記
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 序列與蛋白模型 | one-hot CNN、DNA 語言模型(DNABERT、Nucleotide Transformer)、Enformer、ESM、AlphaFold | 怎麼從 DNA / 蛋白質序列預測功能或結構? |
| 單細胞深度學習 | scVI / scANVI、批次整合、細胞類型標註、單細胞基礎模型 | 單細胞資料什麼時候用 DL?怎麼用? |
模型 ↔ 資料對照
| 資料 | 結構 | 常用架構 | 見 |
|---|---|---|---|
| DNA 序列 | 1D、4 種字母、長 | 1D CNN、CNN + Transformer、長序列模型 | 序列與蛋白模型 |
| 蛋白質序列 / 結構 | 1D 序列、3D 座標 | 蛋白質語言模型 (Transformer)、結構模型 | 同上 |
| 單細胞表現量 | 稀疏計數矩陣 | VAE(負二項似然) | 單細胞 DL |
| 顯微 / 病理 / 醫學影像 | 2D / 3D 影像 | CNN、U-Net、ViT | 電腦視覺 |
| 分子、PPI、空間鄰接 | 圖 | GNN | 圖神經網路 |
| 臨床表格 / bulk 表現量 | 表格、樣本少 | 通常不需要 DL;正則化線性模型、樹模型 | ML 高維資料 |
資料本身的生物背景:單細胞 RNA-seq、UniProt、in-silico 變異預測、醫學影像。