OmicsML/dance

解決的問題

DANCE 是一個專為標準化與優化單細胞基因表現資料分析而設計的深度學習工具包。它解決了兩個主要挑戰：不同計算方法之間基準測試的可重現性困難（DANCE 1.0），以及資料預處理的試誤性質，即最佳的歸一化與降維組合往往因資料集與模型而異（DANCE 2.0）。

工作原理

此專案分為兩個主要版本：

• DANCE 1.0 作為基準測試平台。它提供一個統一的 Python 套件，實作流行的單細胞分析方法，並包含資料下載、處理與評估工具，以確保實驗能被忠實重現。
• DANCE 2.0 引入自動化預處理推薦平台。它使用方法感知預處理（MAP）模組，為特定方法找到最佳流程，並透過資料集感知預處理（DAP）網頁服務，為新資料集提供即時推薦。

適用對象

需要使用深度學習模型進行細胞類型註解、聚類或基因填補的計算生物學家與單細胞多組學資料研究人員。

主要亮點

• 全面的模組：支援單模態分析（註解、聚類、填補）、多模態組學（聯合嵌入、模態預測/匹配）以及空間解析轉錄組學。
• 自動化預處理：透過資料驅動的流程推薦，擺脫手動試誤。
• 統一框架：透過單一程式庫簡化多種演算法（如 GNN、自編碼器、GAN）的安裝與執行。
• 基準測試工具：提供可直接使用的範例指令碼，用於重現原始論文結果。