Skip to content

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。