OmicsML/dance

해결하는 문제

DANCE는 단세포 유전자 발현 데이터 분석을 표준화하고 최적화하기 위해 설계된 딥러닝 툴킷입니다. 두 가지 주요 과제를 해결합니다: 다양한 계산 방법 간의 벤치마크 재현성의 어려움 (DANCE 1.0)과 데이터 전처리의 시도 오류 성격, 즉 최적의 정규화 및 차원 축소 조합이 데이터셋과 모델에 따라 달라지는 문제 (DANCE 2.0).

작동 방식

이 프로젝트는 두 가지 주요 버전으로 나뉩니다.

• DANCE 1.0 은 벤치마크 플랫폼으로 기능합니다. 인기 있는 단세포 분석 방법을 구현하는 통합 Python 패키지를 제공하며, 데이터 다운로드, 처리, 평가 도구를 포함하여 실험을 정확히 재현할 수 있도록 보장합니다.
• DANCE 2.0 는 자동 전처리 추천 플랫폼을 도입합니다. 특정 방법에 적합한 최적의 파이프라인을 찾는 Method-Aware Preprocessing (MAP) 모듈과 새로운 데이터셋에 대해 즉각적인 추천을 제공하는 Dataset-Aware Preprocessing (DAP) 웹 서비스를 갖추고 있습니다.

대상 사용자

세포 유형 주석, 클러스터링, 유전자 보정 등의 목적을 위해 딥러닝 모델을 구현해야 하는 계산 생물학자 및 단세포 오믹스 데이터를 다루는 연구자들.

주요 특징

• 포괄적인 모듈: 단모달 분석(주석, 클러스터링, 보정), 다모달 오믹스(공동 임베딩, 모달리티 예측/매칭), 공간 해상도 전사체 분석을 지원합니다.
• 자동 전처리: 데이터 기반의 파이프라인 추천을 통해 수동적인 시도 오류를 넘어섭니다.
• 통합 프레임워크: GNN, 오토인코더, GAN 등 다양한 알고리즘의 설치 및 실행을 단일 라이브러리를 통해 간소화합니다.
• 벤치마크 도구: 원본 논문 결과를 재현할 수 있는 준비된 예제 스크립트를 제공합니다.