OmicsML/dance

解决的问题

DANCE 是一个专为标准化和优化单细胞基因表达数据分析而设计的深度学习工具包。它解决了两个主要挑战：不同计算方法之间基准测试的可重现性困难（DANCE 1.0），以及数据预处理的试错性质，即最优的归一化与降维组合往往因数据集和模型而异（DANCE 2.0）。

工作原理

该项目分为两个主要版本：

• DANCE 1.0 作为基准测试平台。它提供了一个统一的 Python 包，实现了流行的单细胞分析方法，并包含数据下载、处理和评估工具，以确保实验能够被忠实复现。
• DANCE 2.0 引入了自动化预处理推荐平台。它使用方法感知预处理（MAP）模块来为特定方法找到最佳流程，并通过数据集感知预处理（DAP）网页服务为新数据集提供即时推荐。

适用人群

需要使用深度学习模型进行细胞类型注释、聚类或基因填补的计算生物学家和单细胞组学数据研究人员。

主要亮点

• 全面的模块：支持单模态分析（注释、聚类、填补）、多模态组学（联合嵌入、模态预测/匹配）以及空间分辨转录组学。
• 自动化预处理：通过数据驱动的流程推荐，摆脱手动试错。
• 统一框架：通过单一库简化多种算法（如 GNN、自编码器、GAN）的安装与执行。
• 基准测试工具：提供可直接使用的示例脚本，用于复现原始论文结果。