Buchumschlag

scRDiT: Generating single-cell RNA-seq data by diffusion transformers and accelerating sampling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dong, Shengze, Cui, Zhuorui, Liu, Ding, Lei, Jinzhi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Genomics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

White-Box Diffusion Transformer for single-cell RNA-seq generation
von: Cui, Zhuorui, et al.
Veröffentlicht: (2024)

A Hybrid Computational Intelligence Framework for scRNA-seq Imputation: Integrating scRecover and Random Forests
von: Anaissi, Ali, et al.
Veröffentlicht: (2025)

scDiffusion: conditional generation of high-quality single-cell data using diffusion model
von: Luo, Erpai, et al.
Veröffentlicht: (2024)

scCDCG: Efficient Deep Structural Clustering for single-cell RNA-seq via Deep Cut-informed Graph Embedding
von: Xu, Ping, et al.
Veröffentlicht: (2024)

Modeling Temporal scRNA-seq Data with Latent Gaussian Process and Optimal Transport
von: Balik, Mehmet Yigit, et al.
Veröffentlicht: (2026)

Bipartite Graph Attention-based Clustering for Large-scale scRNA-seq Data
von: Liang, Zhuomin, et al.
Veröffentlicht: (2026)

scASDC: Attention Enhanced Structural Deep Clustering for Single-cell RNA-seq Data
von: Min, Wenwen, et al.
Veröffentlicht: (2024)

scSiameseClu: A Siamese Clustering Framework for Interpreting single-cell RNA Sequencing Data
von: Xu, Ping, et al.
Veröffentlicht: (2025)

Pan-cancer gene set discovery via scRNA-seq for optimal deep learning based downstream tasks
von: Kim, Jong Hyun, et al.
Veröffentlicht: (2024)

Hypergraph Representations of scRNA-seq Data for Improved Clustering with Random Walks
von: He, Wan, et al.
Veröffentlicht: (2025)

Global Ground Metric Learning with Applications to scRNA data
von: Kühn, Damin, et al.
Veröffentlicht: (2025)

SpaDiT: Diffusion Transformer for Spatial Gene Expression Prediction using scRNA-seq
von: Li, Xiaoyu, et al.
Veröffentlicht: (2024)

Graph Structure Learning for Tumor Microenvironment with Cell Type Annotation from non-spatial scRNA-seq data
von: Huang, Yu-An, et al.
Veröffentlicht: (2025)

Discovering Interpretable Biological Concepts in Single-cell RNA-seq Foundation Models
von: Claye, Charlotte, et al.
Veröffentlicht: (2025)

Diversity by Design: Addressing Mode Collapse Improves scRNA-seq Perturbation Modeling on Well-Calibrated Metrics
von: Mejia, Gabriel M., et al.
Veröffentlicht: (2025)

scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration
von: Sun, Jianle, et al.
Veröffentlicht: (2025)

Uncertainty-aware t-distributed Stochastic Neighbor Embedding for Single-cell RNA-seq Data
von: Ma, Hui, et al.
Veröffentlicht: (2024)

Explainable AI model reveals disease-related mechanisms in single-cell RNA-seq data
von: Usman, Mohammad, et al.
Veröffentlicht: (2025)

scMEDAL for the interpretable analysis of single-cell transcriptomics data with batch effect visualization using a deep mixed effects autoencoder
von: Andrade, Aixa X., et al.
Veröffentlicht: (2024)

Meta-analysis of scRNA-seq data for choroidal endothelial cells in dry Age-related Macular Degeneration
von: Veksler, Kyle M., et al.
Veröffentlicht: (2026)

scShapeBench: Discovering geometry from high dimensional scRNAseq data
von: Steindl, Andrew J, et al.
Veröffentlicht: (2026)

scGHSOM: Hierarchical clustering and visualization of single-cell and CRISPR data using growing hierarchical SOM
von: Wen, Shang-Jung, et al.
Veröffentlicht: (2024)

LapDDPM: A Conditional Graph Diffusion Model for scRNA-seq Generation with Spectral Adversarial Perturbations
von: Bini, Lorenzo, et al.
Veröffentlicht: (2025)

Partial domain adaptation enables cross domain cell type annotation between scRNA-seq and snRNA-seq
von: Chen, Xiran, et al.
Veröffentlicht: (2025)

scX: A user-friendly tool for scRNA-seq exploration
von: Waichman, Tomás Vega, et al.
Veröffentlicht: (2023)

scMamba: A Pre-Trained Model for Single-Nucleus RNA Sequencing Analysis in Neurodegenerative Disorders
von: Oh, Gyutaek, et al.
Veröffentlicht: (2025)

JojoSCL: Shrinkage Contrastive Learning for single-cell RNA sequence Clustering
von: Wang, Ziwen
Veröffentlicht: (2025)

A versatile informative diffusion model for single-cell ATAC-seq data generation and analysis
von: Huang, Lei, et al.
Veröffentlicht: (2024)

Rare Genomic Subtype Discovery from RNA-seq via Autoencoder Embeddings and Stability-Aware Clustering
von: Mezghiche, Alaa
Veröffentlicht: (2025)

Timestamp calibration for time-series single cell RNA-seq expression data
von: Chen, Xiran, et al.
Veröffentlicht: (2024)

Soft Graph Clustering for single-cell RNA Sequencing Data
von: Xu, Ping, et al.
Veröffentlicht: (2025)

Interpretable deep learning in single-cell omics
von: Wagle, Manoj M, et al.
Veröffentlicht: (2024)

Mix-Geneformer: Unified Representation Learning for Human and Mouse scRNA-seq Data
von: Nishio, Yuki, et al.
Veröffentlicht: (2025)

Sparse autoencoders reveal organized biological knowledge but minimal regulatory logic in single-cell foundation models: a comparative atlas of Geneformer and scGPT
von: Kendiukhov, Ihor
Veröffentlicht: (2026)

Categorization and analysis of 14 computational methods for estimating cell potency from single-cell RNA-seq data
von: Wang, Qingyang, et al.
Veröffentlicht: (2023)

Online t-SNE for single-cell RNA-seq
von: Ma, Hui, et al.
Veröffentlicht: (2024)

Machine Learning for analysis of Multiple Sclerosis cross-tissue bulk and single-cell transcriptomics data
von: Massafra, Francesco, et al.
Veröffentlicht: (2026)

Lower-dimensional projections of cellular expression improves cell type classification from single-cell RNA sequencing
von: Umar, Muhammad, et al.
Veröffentlicht: (2024)

scInterpreter: Training Large Language Models to Interpret scRNA-seq Data for Cell Type Annotation
von: Li, Cong, et al.
Veröffentlicht: (2024)

scReader: Prompting Large Language Models to Interpret scRNA-seq Data
von: Li, Cong, et al.
Veröffentlicht: (2024)