awesome-deep-learning-single-cell-papers

本仓库追踪使用深度学习方法进行单细胞分析的最新论文，并按具体任务对其进行分类。

我们将尽力保持此列表的更新。如果您发现任何错误或遗漏的论文，请随时提交 issue 或 pull request。

引用

欢迎引用我们在单细胞分析中关于深度学习的综合综述论文：

@article{molho2024deep,
  title={Deep learning in single-cell analysis},
  author={Molho, Dylan and Ding, Jiayuan and Tang, Wenzhuo and Li, Zhaoheng and Wen, Hongzhi and Wang, Yixin and Venegas, Julian and Jin, Wei and Liu, Renming and Su, Runze and others},
  journal={ACM Transactions on Intelligent Systems and Technology},
  volume={15},
  number={3},
  pages={1--62},
  year={2024},
  publisher={ACM New York, NY}
}

关于单细胞基础模型，更多论文记录在[这里]。

• 书籍
• 单细胞技术
• 课程
• 综述
• 预训练模型、大语言模型或基础模型
• GAN或扩散模型
• 多模态学习
• 单细胞数据模拟
• 可解释性
• 时空转录组学
• RNA速度
• 分子表示学习
• 单细胞扰动或药物反应
• 细胞动力学
• 单细胞应用
• 单细胞或空间数据分析工具
• 单细胞图谱
• 单细胞可视化
• 基准测试
• 指标设计
• 亚细胞分析
• 降维与可视化
• 表示学习
• 批次效应校正
• 肿瘤微环境-TME
• 细胞间通讯事件
• 基因调控网络
• 插补
• 空间领域
• 参考嵌入或迁移学习
• 细胞分割
• 细胞类型去卷积
• 细胞类型注释
• 细胞聚类
• 疾病预测
• 多模态整合
• 多组学翻译

书籍

1. [单细胞最佳实践], Fabian Theis 实验室
2. [基于 Bioconductor 的单细胞分析基础], 基于 R 语言的 Bioconductor 软件

单细胞技术

单模态

多模态

空间转录组学

1. [2022 年《自然方法》] 空间转录组学博物馆 [论文]

课程

1. [CSCI 1850 基因组学中的深度学习], 布朗大学
2. [基因组学中的机器学习：解析人类疾病回路], 麻省理工学院
3. [单细胞 RNA 测序数据分析], 由 Orr Ashenberg、Dana Silverbush 和 Kirk Gosik 主讲的课程
4. [单细胞 RNA 测序数据分析，www.singlecellcourse.org] - 逐步讲解的 scRNA-seq 分析课程。基于 R 语言，包含代码示例、解释和练习。从比对（STAR）和质量控制（FASTQC）开始，到 R 语言入门、SingleCellExperiment 类、scater 对象、数据探索（reads、UMI）、过滤、归一化（scran）、去除批次效应（RUV、ComBat、mnnCorrect、GLM、Harmony）、聚类和标记基因鉴定（SINCERA、SC3、tSNE、Seurat）、特征选择（M3Drop::M3DropConvertData、BrenneckeGetVariableGenes）、伪时间分析（TSCAN、Monocle、扩散图、SLICER、Ouija、destiny）、插补（scImpute、DrImpute、MAGIC）、差异表达（Kolmogorov-Smirnov、Wilcoxon、edgeR、Monocle、MAST）、数据整合（scmap、细胞到细胞映射、Metaneighbour、mnnCorrect、Seurat 的典型相关分析）。搜索 scRNA-seq 数据（R 包 scfind），以及 Hemberg 团队的公开数据集（https://hemberg-lab.github.io/scRNA.seq.datasets/）。[Seurat 章节](https://scrnaseq-course.cog.sanger.ac.uk/website/seurat-chapter.html)。["理想" scRNA-seq 流程](https://scrnaseq-course.cog.sanger.ac.uk/website/ideal-scrnaseq-pipeline-as-of-oct-2017.html)。[视频讲座](https://www.youtube.com/watch?list=PLEyKDyF1qdOYAhwU71qlrOXYsYHtyIu8n&v=56n77bpjiKo)。
   论文

   Andrews, Tallulah S., Vladimir Yu Kiselev, Davis McCarthy 和 Martin Hemberg. "教程：单细胞 RNA 测序数据计算分析指南." https://doi.org/10.1038/s41596-020-00409-w 《Nature Protocols》，2020 年 12 月 7 日。

综述

1. [2023 年《生物物理评论》] 空间转录组学中的深度学习：从下一代测序中学习 [论文]

预训练模型或大语言模型或基础模型

更多详情请参阅 [foundation-model-single-cell-papers]

1. [2024 BioRxiv] scPRINT：在5000万个细胞上进行预训练，实现稳健的基因网络预测 [论文]
2. [2024 ICLR] BioBridge：通过知识图谱连接生物医学基础模型 [论文]
3. [2023 bioRxiv] CellPLM：超越单细胞的细胞语言模型预训练 [论文]
4. [2023 bioRxiv] DNABERT-2：高效的基础模型及多物种基因组基准测试 [论文]
5. [2023 bioRxiv] 大型语言模型对科学发现的影响：基于GPT-4的初步研究 [论文]
6. [2023 bioRxiv] 用化学工具增强大型语言模型 [论文]
7. [2023 bioRxiv] GET：跨人类细胞类型的转录基础模型 [论文]
8. [2023 bioRxiv] Cell2Sentence：向大型语言模型教授生物学语言 [论文]
9. [2023 bioRxiv] 评估大型语言模型在单细胞数据分析中的效用 [论文]
10. [2023 arxiv] 迈向通用生物医学人工智能 [论文]
11. [2023 bioRxiv] 利用蛋白质网络和单细胞数据上的深度学习对蛋白质表示进行上下文化处理 [论文]
12. [2023 Nature] 大型语言模型编码临床知识 [论文]
13. [2023 Nature Methods] 迈向生物图像分割的基础模型 [论文]
14. [2023 bioRxiv] DrugGPT：基于GPT的设计策略，用于开发靶向特定蛋白质的潜在配体 [论文]
15. [2023 arxiv] Hyena Hierarchy：迈向更大规模的卷积语言模型 [论文]
16. [2023 bioRxiv] 基于人群水平的单细胞数据整合，实现跨样本的多尺度分析 [论文]
17. [2023 bioRxiv] 单细胞转录组学的大规模基础模型 [论文]
18. [2023 Bioinformatics] 基于Transformer的语言模型在生物信息学中的应用：综述 [论文]
19. [2023 Nature] 迁移学习赋能网络生物学预测 [论文]
20. [2023 arxiv] BiomedGPT：面向视觉、语言和多模态任务的统一且通用的生物医学生成式预训练Transformer [论文]
21. [2023 arxiv] Clinical Camel：一款开源的专家级医学语言模型，采用对话式知识编码 [论文]
22. [2023 arxiv] CancerGPT：利用大型预训练语言模型进行少样本药物组合协同效应预测 [论文]
23. [2023 iSchience tGPT] 从大规模转录组数据中进行生成式预训练，以解析单细胞数据 [论文]
24. [2023 bioRxiv] GeneGPT：通过领域工具增强大型语言模型，以提升生物医学信息的可访问性 [论文]
25. [2023 Github] OpenBioMed [Github]
26. [2023 blog] BioMedLM：一款针对生物医学文本的领域专用大型语言模型 [博客]
27. [2023 bioRxiv] scGPT：利用生成式AI构建单细胞多组学基础模型的探索 [论文]
28. [2023 bioRxiv] xTrimoGene：一种高效且可扩展的单细胞RNA测序数据表征学习器 [论文]
29. [2023 Nature Biotechnology] 大型语言模型可生成跨不同家族的功能性蛋白质序列 [论文]
30. [2022 arxiv] 一款单细胞基因表达语言模型 [论文]
31. [2022 Briefings in Bioinformatics] BioGPT：用于生物医学文本生成与挖掘的生成式预训练Transformer [论文]
32. [2022 Nature Machine Intelligence] scBERT作为大规模预训练的深度语言模型，用于单细胞RNA测序数据的细胞类型注释 [论文]
33. [2022 bioRxiv] scFormer：一种基于Transformer的单细胞数据通用表征学习方法 [论文]
34. [2022 Bioinformatics] scPretrain：用于细胞类型分类的多任务自监督学习 [论文]
35. [2021 PNAS] 通过将无监督学习扩展到2.5亿条蛋白质序列，揭示生物结构与功能 [论文]
36. [2021 Bioinformatics] DNABERT：面向基因组DNA语言的预训练双向编码器表示Transformer模型 [论文]
37. [2021 Arxiv，576次引用] 面向生物医学自然语言处理的领域专用语言模型预训练 [论文]
38. [2021 Arxiv，1111次引用] 不要停止预训练：将语言模型适配到特定领域和任务 [论文]

GAN 或扩散模型

1. [2024 Brief Bioinform] stDiff：一种通过单细胞转录组数据推断空间转录组的扩散模型 [论文]
2. [2024 biorxiv] scDiffEq：基于神经随机微分方程的单细胞动力学漂移-扩散建模 [论文]
3. [2024 biorxiv] scDiffusion：利用扩散模型条件生成高质量单细胞数据 [论文]
4. [2024 biorxiv] 使用扩散模型在体外生成基因表达谱 [论文]
5. [2024 Cell] 用于时空细胞信号通路设计的可编程反应-扩散系统 [论文]
6. [2023 ICCV] 基于 Transformer 的可扩展扩散模型 [论文]
7. [2023 biorxiv] 从噪声到知识：基于概率扩散的基因调控网络神经推理 [论文]
8. [2023 biorxiv Diffusion] 通过条件扩散生成模型构建通用单细胞分析框架 [论文]
9. [2023 biorxiv GAN] 利用生成式建模预测细胞对扰动的形态学响应 [论文]
10. [2023 Nature Diffusion Model] AI 工具正在设计全新的蛋白质，或将变革医学 [论文]
11. [2023 biorxiv Diffusion Model] 双剑合璧：将深度扩散模型与变分自编码器整合用于单细胞转录组分析 [论文]
12. [2023 biorxiv GAN] 利用生成对抗网络实现多组学单细胞数据的可扩展整合 [论文]
13. [2023 biorxiv Diffusion Model] 利用扩散模型在重叠细胞实例分割中自发打破对称性 [论文]

多模态学习

1. [2024 ICLR workshop NLP+Gene Expression] 转录组与文本的联合嵌入实现了通过自然语言交互式探索单细胞 RNA-seq 数据 [论文]
2. [2024 Nature Biotechnology Image+Gene Expression] 通过整合空间转录组与组织学推断超分辨率组织结构 [论文]
3. [2023 arxiv Image+Gene Expression] 融合卷积与图节点共嵌入的 Transformer：一种准确且可解释的视觉骨干网络，用于根据局部病理图像预测基因表达 [论文]
4. [2023 arxiv multimodal] MuSe-GNN：从多模态生物图数据中学习统一的基因表示 [论文]
5. [2023 biorxiv multimodal] Pathformer：一种受生物通路启发、整合癌症多模态数据的 Transformer 模型 [论文]
6. [2023 biorxiv Image+Gene Expression] 基于双模态对比学习，从 H&E 组织学图像预测空间分辨的基因表达 [论文]
7. [2023 biorxiv Image+Gene Expression] 基于空间转录组学，利用 H&E 图像预测单细胞基因表达 [论文]

单细胞数据模拟

1. [2025 NM] scMultiSim：由基因调控网络和细胞间相互作用引导的单细胞多组学及空间数据模拟 [论文]
2. [2023 NBT] scDesign3 生成用于多模态单细胞和空间组学的真实感体外数据 [论文]
3. [2023 NC] scReadSim：一款单细胞 RNA-seq 和 ATAC-seq 测序数据模拟器 [论文]
4. [2023 biorxiv] GRouNdGAN：基于因果生成对抗网络的 GRN 引导型单细胞 RNA-seq 数据模拟 [论文]
5. [2022 JCB] scDesign2 可模拟保留基因相关性的单细胞基因表达计数数据 [论文]
6. [2021 GB] scDesign2：一款透明的模拟器，可生成高保真度的单细胞基因表达计数数据，并捕捉基因相关性 [论文]
7. [2019 Bioinformatics] 用于理性 scRNA-seq 实验设计的统计模拟器 scDesign [论文]

可解释性

1. [2021 CVPR] 超越注意力可视化之外的 Transformer 可解释性 [论文][github]
2. [2021 ICML] BERTology 遇上生物学：解读蛋白质语言模型中的注意力机制 [论文]
3. [2019 ACL] Transformer 模型中注意力机制的多尺度可视化 [论文] [github]

空间-时间转录组学

1. [2024 biorxiv] 基于最优传输度量的单细胞数据基因轨迹推断 [论文]
2. [2023 biorxiv] 利用深度学习揭示发育时间和节奏 [论文]
3. [2023 biorxiv] scNODE：用于时间序列单细胞转录组数据预测的生成模型 [论文]
4. [2023 biorxiv] 基于最优传输度量的单细胞数据基因轨迹推断 [论文]
5. [2023 arxiv CS领域综述] 时间序列与时空数据的大规模模型：综述与展望 [论文]
6. [2023 ICML CS领域参考文献] 连续时空Transformer [论文]
7. [2023 arxiv CS领域多模态参考文献] IMAGEBIND：一个嵌入空间，连接所有模态 [论文]
8. [2023 arxiv CS领域多模态参考文献] UnIVAL：面向图像、视频、音频和语言任务的统一模型 [论文]
9. [2023 arxiv CS领域多模态参考文献] Meta-Transformer：多模态学习的统一框架 [Meta-Transformer论文][viT视觉Transformer论文][ImageGPT论文：基于像素的生成式预训练]
10. [2023 KDD CS领域参考文献] 时空扩散点过程 [论文]
11. [2023 arxiv CS领域参考文献] 用于动态时空预测的长距离Transformer [论文]
12. [2023 Nature Communications] 使用PRESCIENT对单细胞时间序列进行生成建模，可实现干预下的细胞轨迹预测 [论文]
13. [2023 bioRxiv] 通过moscot在时间和空间中映射细胞 [论文]
14. [2023 Nature Methods] 时空分辨转录组学揭示亚细胞RNA动力学景观 [论文]
15. [2022 bioRxiv] Spateo：单细胞空间转录组学的多维时空建模 [论文]
16. [2022 ICLR CS领域参考文献] UniFormer：用于高效时空表征学习的统一Transformer [论文]
17. [2022 NeurIPS 从时空单细胞到时空视频] Flamingo：一种用于少样本学习的视觉语言模型 [论文]
18. [2022 arxiv，图像-基因表达对比学习] CoCa：对比描述符是图文基础模型 [论文]
19. [2020 ICLR，图像-基因表达预训练] VL-BERT：通用视觉-语言表征的预训练 [论文]
20. [2019 AAAI，图像-基因表达预训练] Unicoder-VL：通过跨模态预训练构建的视觉与语言通用编码器 [论文]

RNA速度

1. [2023 Nature Methods] 深度生成建模转录动力学，用于单细胞RNA速度分析 [论文]

分子表征学习

1. [2023 ICLR] Uni-Mol：通用三维分子表征学习框架 [论文]

单细胞扰动或药物反应

1. [2024 NeurIPS AIDrugX (Spotlight)] 细胞中的信号：用于治疗学的多模态与情境化机器学习基础 [论文] [海报]
2. [2024 biorxiv] 基于深度学习的基因扰动效应预测尚未优于简单的线性方法 [论文]
3. [2024 ICLR] 在序数型扰动下用于转录组数据的带监督生物可解释变分自编码器 [论文]
4. [2024 Nature Methods] scPerturb：统一的单细胞扰动数据集 [论文]
5. [2023 biorxiv] Unagi：用于解析复杂疾病中细胞动态及计算机辅助药物发现的深度生成模型 [论文]
6. [2023 NeurIPS] 使用稀疏加性机制转移变分自编码器建模细胞扰动 [论文]
7. [2023 Nature Methods] 利用神经最优传输学习单细胞扰动响应 [论文]
8. [2023 Nature Methods] 神经最优传输可在单细胞水平上预测扰动响应 [论文]
9. [2023 Mol Syst Biol] 预测高通量筛选中细胞对复杂扰动的响应 [论文]
10. [2023 biorxiv] 学习扰动特异性细胞表征以预测跨细胞环境的转录响应 [论文]
11. [2023 Nature] 通过网络推断和计算机模拟基因扰动解构细胞身份 [论文]
12. [2023 biorxiv扩散模型] 二者的力量：整合深度扩散模型与变分自编码器用于单细胞转录组分析 [论文]
13. [2023 ICLR] 利用变分因果推断与精细化关系信息预测细胞响应 [论文]
14. [2022 arxiv] PerturbNet可预测未见化学及遗传扰动下的单细胞响应 [论文]
15. [2022 arxiv] CausalBench：基于单细胞扰动数据的大型网络推断基准测试 [论文]
16. [2022 NeurIPS] 在单细胞分辨率下预测细胞对新型药物扰动的响应 [论文]
17. [2022 biorxiv] GEARS：预测新型多基因扰动的转录结果 [论文]
18. [2021 biorxiv] 学习高通量筛选中复杂扰动的可解释细胞响应 [论文]
19. [2019 Nature Methods] scGen可预测单细胞扰动响应 [论文]

细胞动力学

1. [2023 Genome Biology] scTour：一种用于稳健推断和精确预测细胞动力学的深度学习架构 [论文]

单细胞应用

1. [2023 medrxiv] 人类组织的单细胞RNA测序支持成功药物靶点的确定 [论文]
2. [2023 Nature Methods] 机器学习在罕见病中的应用 [论文]
3. [2023 Molecular System Biology] 单细胞生物学：未来会怎样？ [论文]
4. [2023 Genes] 组学时代下的单细胞分析：技术与癌症领域的应用 [论文]
5. [2023 Nature Communications] ASGARD是一个单细胞引导的流程，用于辅助药物再定位 [论文]
6. [2023 Nature Reviews Clinical Oncology] 通过使用多维组学数据推进CAR T细胞疗法 [论文]

单细胞或空间数据分析工具

[工具汇总]

1. [2024 biorxiv] Scvi-hub：一个面向模型驱动的单细胞分析的实用资源库 [论文]
2. [2024 Nature Methods] SpatialData：一个开放且通用的空间组学数据框架 [论文]
3. [2023 Nucleic Acids Research] DeepBIO：一个自动化且可解释的深度学习平台，用于高通量生物序列预测、功能注释和可视化分析 [论文]
4. [2023 Github] SpatialTis：一个超快速的空间分析工具包，适用于大规模空间单细胞数据。 [github]
5. [2023 biorxiv] CellContrast：通过深度对比学习重构单细胞RNA测序数据中的空间关系 [论文]

单细胞图谱

1. [2023年《自然》] 小鼠全脑细胞类型的高分辨率转录组与空间图谱 [论文]
2. [2023年《自然》] 成人人类乳腺的空间分辨单细胞基因组图谱 [论文]
3. [2023年《自然医学》] 健康与疾病状态下肺部的整合细胞图谱 [论文]
4. [2022年《核酸研究》] Aquila：一个空间组学数据库及分析平台 [论文]
5. [Cellxgene数据集：截至2022年共546个数据集]
6. [2022年《自然方法》] 单细胞基因组学中图谱级别数据整合的基准测试 [论文]
7. [2022年bioRxiv] 对图谱级单细胞数据的统一分析 [论文]
8. [2022年《自然生物技术》] 空间与单细胞转录组数据的整合揭示小鼠器官发生过程 [论文]
9. [2022年bioRxiv] 利用SageNet对解离后的单细胞数据进行有监督的空间推断 [论文]
10. [2022年《自然通讯》] 通过将异质性数据集投影到共同的细胞嵌入空间实现在线单细胞数据整合 [论文]

单细胞可视化工具

1. [Chan Zuckerberg：单细胞转录组学数据的交互式探索工具]
2. [UCSC细胞浏览器]
3. [Cytoscape]
4. [UCSC Xena]
5. [ASAP：自动化单细胞分析流程]
6. [GenePattern]
7. [Loopy Browser]

基准测试

1. [2024 MoML@Mila] **** [CMT投稿] [预印本] [海报] [会议]
2. [2023 biorxiv] 基于组织学的空间基因表达预测的转化潜力基准测试 [论文]
3. [2023 bioRxiv] FFPE组织中成像空间转录组学平台的系统性基准测试 [论文]
4. [2023 bioRxiv] 跨单细胞RNA和ATAC数据的多组学整合算法基准测试 [论文]
5. [2023 bioRxiv] BEND：在生物学相关任务上对DNA语言模型的基准测试 [论文]
6. [2023 Genome Biology] 用于未配对和配对单细胞RNA-seq及ATAC-seq数据联合整合的算法基准测试 [论文]
7. [2023 Nature Communications] 针对空间转录组学细胞去卷积的全面基准测试及实用指南 [论文]
8. [2023 bioRxiv] 单细胞基因组数据的通用预处理 [论文]
9. [2023 Genome Biology] （单细胞方法）基准测试的元分析揭示了扩展性和互操作性的需求 [论文]
10. [2023 Nature Communications] 针对空间转录组学细胞去卷积的全面基准测试及实用指南 [论文]
11. [2023 bioRxiv] 用于填补单细胞RNA测序数据的自编码器设计基准测试 [论文]
12. [2023 bioRxiv] 单细胞ATAC-seq数据的基因集评分算法基准测试 [论文]
13. [2022 Nature Communications] 从单细胞RNA-Seq数据推断细胞间通讯的方法与资源比较 [论文]
14. [2022 Nature Methods] 单细胞基因组学中图谱级别数据整合的基准测试 [论文]
15. [2022 Nature Methods] 用于转录本分布预测和细胞类型去卷积的空间与单细胞转录组学整合方法基准测试 [论文]
16. [2022 BioRxiv] 用于单细胞ATAC-seq数据的自动化细胞类型注释工具基准测试 [论文]
17. [2022 Briefings in Bioinformatics] 从多受试者单细胞RNA-Seq数据中检测不同条件下差异状态的方法基准测试 [论文]
18. [2022 Nucleic Acids Research] scIMC：一个用于基准测试、比较和可视化分析单细胞RNA-Seq数据填补方法的平台 [论文]
19. [2021 Frontiers in Genetics] 评估单细胞基因调控网络推断算法的可重复性 [论文]
20. [2021 Nature Communications] 单细胞RNA测序数据模拟方法的基准研究 [论文]
21. [2021 Genome Biology] 基于UMI的单细胞RNA-Seq预处理流程基准测试 [论文]
22. [2020 Nature Methods] 从单细胞转录组数据推断基因调控网络的算法基准测试 [论文]
23. [2020 Genome Biology] 单细胞RNA测序数据批次效应校正方法的基准测试 [论文]
24. [2020 Nature Biotechnology] 使用参考样本对单细胞RNA测序技术进行多中心基准测试 [论文]
25. [2019 Nature Methods] 利用混合对照实验对单细胞RNA测序分析流程进行基准测试 [论文]

指标设计

1. [2019 Narure Methods] 用于评估单细胞RNA-Seq批次校正效果的测试指标 [论文]

细胞亚结构分析

1. [2024年《自然·通讯》] BIDCell：基于生物学信息的自监督学习方法，用于细胞亚结构空间转录组数据的分割 [论文]
2. [2023年《自然·方法》] 时空解析转录组学揭示了细胞亚结构RNA动力学图谱 [论文]
3. [2023年bioRxiv] Bering：利用迁移图嵌入进行空间转录组学的联合细胞分割与注释 [论文]
4. [2023年《生物信息学》] FISHFactor：一种用于亚细胞分辨率空间转录组数据的概率因子模型 [论文]
5. [2023年《科学》] 分子分辨率下的空间分辨单细胞翻译组学 [论文]
6. [2023年《自然·方法》] 细胞亚结构组学：推动分辨率、复杂性和通量极限的新前沿 [论文]
7. [2022年bioRxiv] Bento：用于空间转录组数据分析的细胞亚结构工具包 [论文]
8. [2022年bioRxiv] 单细胞中的细胞亚结构空间解析基因邻域网络 [论文]
9. [2022年bioRxiv] 统计分析支持普遍存在的RNA亚细胞定位及替代性3’ UTR调控 [论文]
10. [2019年《细胞》] APEX-Seq揭示的细胞亚结构RNA定位图谱 [论文]

降维与可视化

1. [2023年《基因组研究》] 深度双曲流形学习揭示单细胞基因组数据中的复杂层次结构 [论文]
2. [2021年《自然·通讯》] 单细胞RNA测序谱在超球面和双曲空间上的深度生成模型嵌入 [论文]
3. [2018年《自然·通讯》] 利用深度生成模型对单细胞转录组数据进行可解释的降维 [论文]

表征学习

1. [2025年arXiv] SUICA：为空间转录组学学习超高维稀疏隐式神经表征 [论文]
2. [2023年《自然·机器智能》] 可复用性报告：利用Transformer模型学习单细胞RNA测序数据中的转录语法 [论文]
3. [2023年《基因组生物学》] 校正基于梯度的深度神经网络在基因组学中的解释 [论文]
4. [2023年《自然·方法》] SIMBA：结合特征的单细胞嵌入 [论文]
5. [2023年bioRxiv] 迈向通用细胞嵌入：利用SATURN整合跨物种单细胞RNA测序数据集 [论文]
6. [2021年《系统生物学当前观点》] 单细胞生物学中的图表示学习 [论文]
7. [2020年《自然·通讯》] 利用生成对抗网络实现单细胞RNA测序数据的真实感仿真生成与增强 [论文]
8. [2019年《自然·方法》] 利用迁移学习进行单细胞转录组数据去噪 [论文]
9. [2018年《自然·方法》] 面向单细胞转录组学的深度生成建模 [论文]

批次效应校正

1. [2023年《生物信息学》] CLAIRE：基于对比学习的批次校正框架，可在批次混合与细胞异质性保持之间取得更好平衡 [论文]
2. [2020年《基因组生物学》] 单细胞RNA测序数据批次效应校正方法的基准评估 [论文]
3. [2020年《自然·生物技术》] 使用参考样本对单细胞RNA测序技术进行多中心基准测试的研究 [论文]
4. [2019年《自然·方法》，Harmony] 利用Harmony快速、灵敏且准确地整合单细胞数据 [论文]
5. [2018年《自然·生物技术》，CCA] 跨条件、技术和物种整合单细胞转录组数据 [论文]
6. [2018年《自然·生物技术》，互近邻法] 通过匹配互近邻校正单细胞RNA测序数据中的批次效应 [论文]
7. [2018年《自然·方法》] 用于评估单细胞RNA测序批次效应校正效果的测试指标 [论文]
8. [2017年《自然·生物技术》] 利用天然遗传变异进行多重液滴单细胞RNA测序 [论文]

肿瘤微环境-TME

1. [2023年bioRxiv] 健康与炎症组织中的空间共现识别（ISCHIA） [论文]
2. [2023年bioRxiv] 从血液免疫单细胞转录组数据预测头颈部癌症患者的肿瘤免疫微环境及检查点治疗反应 [论文]
3. [2022年《自然·生物医学工程》] 利用图深度学习，基于组织样本中的空间蛋白质谱表征肿瘤微环境 [论文]
4. [2022年《自然·通讯》] SOTIP是一种利用空间组学数据进行微环境建模的多功能方法 [论文]

细胞间通讯事件

1. [2024年《Nature Methods》] 基于细胞表型的组织细胞微环境无监督与有监督发现 [论文]
2. [2024年《Nature Reviews Genetics》] 研究细胞—细胞相互作用与通讯方法的多样化 [论文]
3. [2024年bioRxiv] 利用生物启发图学习对空间图谱中的细胞微环境进行大规模表征 [论文]
4. [2024年Pac Symp Biocomput] PEPSI：基于空间蛋白质组学成像的极性测量提示免疫细胞参与 [论文]
5. [2023年《Cell Systems》] 用于细胞间通讯的单细胞A/B测试 [论文]
6. [2023年《Nature Biotechnology》] 在单细胞分辨率下推断细胞—细胞通讯 [论文]
7. [2022年bioRxiv] scTensor从单细胞RNA测序数据中检测多对多的细胞—细胞相互作用 [论文]
8. [2022年《Nature Biotechnology》] 利用细胞空间图建模组织中的细胞间通讯 [论文]
9. [2022年bioRxiv] 通过空间转录组学的多视图图学习解码功能性细胞—细胞通讯事件 [论文]
10. [2021年《Bioinformatics》] 在空间单细胞表达数据中识别信号基因 [论文]
11. [2020年《Nature Methods》] NicheNet：通过将配体与靶基因关联来建模细胞间通讯 [论文]
12. [2020年《Nature Communications》] 使用NATMI预测细胞间通讯网络 [论文]
13. [2018年《Nature》] 人类早期母胎界面的单细胞重建 [论文]

基因调控网络

1. [2023年arXiv] DynGFN：利用GFlowNets实现基因调控网络的贝叶斯推断 [论文]
2. [2023年《Bioinformatics》] STGRNS：一种基于Transformer的可解释方法，用于从单细胞转录组数据推断基因调控网络 [论文]
3. [2022年《Nature Machine Intelligence》] 基于图神经网络从单细胞ATAC-seq数据推断转录因子调控网络 [论文]
4. [2022年《Nature Biotechnology》] 利用图嵌入整合多组学单细胞数据并进行调控推断 [论文]
5. [2022年Biorxiv] scMEGA：基于增强子的单细胞多组学基因调控网络推断 [论文]
6. [2022年《Bioinformatics》] 高性能大规模单细胞基因调控网络推断：Inferelator 3.0 [论文]
7. [2022年《Briefings in Bioinformatic》] SIGNET：基于多层感知机Bagging的单细胞RNA-seq数据基因调控网络预测 [论文]
8. [2020年《Nature Methods》] 单细胞转录组数据基因调控网络推断算法的基准测试 [论文]
9. [2019年《Genome Biology》] 单细胞转录组学揭示基因调控网络的可塑性 [论文]
10. [2017年《Cell Syst》] 利用多元信息度量从单细胞数据推断基因调控网络 [论文]

插补

1. [2018年《Nature Communications》] 一种准确且鲁棒的单细胞RNA测序数据插补方法scImpute [论文]
2. [2019年《Genome Biology》] DeepImpute：一种准确、快速且可扩展的深度神经网络方法，用于插补单细胞RNA测序数据 [论文]
3. [2018年《Cell》] 利用数据扩散从单细胞数据中恢复基因互作 [论文]
4. [2018年《Genome Biology》] VIPER：保留变异性的插补方法，用于在单细胞RNA测序研究中准确恢复基因表达 [论文]
5. [2021年《PLOS Computational Biology》] G2S3：一种基于基因图的单细胞RNA测序数据插补方法 [论文]
6. [2021年《Nature Communications》] scGNN是一种用于单细胞RNA测序分析的新颖图神经网络框架 [论文]
7. [2021年《iScience》] 结合图卷积和自编码器神经网络对单细胞RNA测序数据进行插补 [论文]
8. [2022年《PLOS ONE》] 针对稀疏scChIP-seq数据插补的单细胞特异性和可解释性机器学习模型 [论文]

空间域

1. [2023年《自然·遗传学》] SPICEMIX实现细胞身份的整合单细胞空间建模 [论文]
2. [2023年bioRxiv] CellCharter：一种可扩展的框架，用于绘制和比较跨多个样本及空间组学技术的细胞微环境 [预印本]
3. [2022年《基因组研究》] 基于模型的约束深度学习聚类方法，用于解析空间分辨的单细胞数据 [论文]
4. [2022年《自然·通讯·生物学》] 利用空间转录组学解析组织结构与功能 [综述论文]
5. [2022年《基因组生物学》] 用于空间分辨转录组数据分析的统计与机器学习方法 [综述论文]
6. [2022年《自然·通讯》] 利用自适应图注意力自动编码器从空间分辨转录组数据中解析空间区域 [论文]
7. [2022年《自然·计算科学》] 基于图神经网络的空间转录组数据细胞聚类 [论文]
8. [2022年《遗传学前沿》] 空间转录组数据的分析与可视化 [论文]
9. [2021年《自然·方法》] SpaGCN：通过图卷积网络整合基因表达、空间位置和组织学信息，以识别空间区域及空间变异基因 [论文]
10. [2021年《自然·生物技术》] 使用BayesSpace实现亚斑点分辨率的空间转录组学 [论文]
11. [2021年bioRxiv] 无监督的空间嵌入式深度表征用于空间转录组学 [论文]
12. [2021年《基因组生物学》] Giotto：用于整合分析和可视化空间表达数据的工具箱 [工具]
13. [2021年bioRxiv] 利用深度学习从空间分辨转录组数据中定义并可视化人类组织的病理结构 [论文]
14. [2020年bioRxiv] stLearn：整合空间位置、组织形态和基因表达，以在未解离组织中发现细胞类型、细胞间相互作用及空间轨迹 [论文]
15. [2018年《自然·方法》] SpatialDE：空间变异基因的鉴定 [论文]
16. [2018年《自然·生物技术》] 结合单细胞RNA测序和连续荧光原位杂交数据识别空间关联亚群 [论文]
17. [2008年《统计力学杂志》] 大型网络中社区层次结构的快速展开 [论文]

参考嵌入或迁移学习

1. [2019年《自然·方法》] 单细胞转录组学中的迁移学习去噪 [论文]
2. [2018年《自然·方法》] 单细胞转录组学的深度生成建模 [论文]
3. [2020年《生物信息学》] 利用迁移VAE对未配对数据进行条件性分布外生成 [论文]
4. [2021年《自然·生物技术》] 通过迁移学习将单细胞数据映射到参考图谱 [论文]
5. [2021年《分子系统生物学》] 利用深度生成模型对单细胞转录组数据进行概率性协调与注释 [论文]
6. [2022年bioRxiv预印本] 基于生物学知识的深度学习，用于推断单细胞中的基因程序活性 [预印本]

细胞分割

1. [2023 biorxiv] Bering：基于迁移图嵌入的空间转录组学联合细胞分割与注释 [论文]
2. [2022 Cytometry A] MIRIAM：用于多维组织图像的机器学习和深度学习单细胞分割与定量分析流程 [论文][代码](MIRIAM)
3. [2021 Nature Biotechnology] 基于成像的空间转录组学中的细胞分割 [论文]
4. [2021 Biorxiv] Scellseg：一种具有预训练和对比度微调功能的风格感知细胞实例分割工具 [论文] [代码]
5. [2021 Nature Biotechnology] 基于成像的空间转录组学中的细胞分割 [论文] [代码](Baysor)
6. [2021 Nature Biotechnology] 利用大规模数据标注和深度学习实现人类水平性能的组织图像全细胞分割 [论文] [代码](Memser)
7. [2021 Nature Methods] Cellpose：一种通用的细胞分割算法 [论文] [代码](Cellpose)
8. [2021 Molecular Systems Biology]空间转录组学的联合细胞分割与细胞类型注释 [论文] [代码] (JSTA)
9. [2020 Nature Communications]卷积神经网络以高精度分割酵母显微镜图像 [论文] [代码]
10. [2020 Medical Image Analysis] DeepDistance：一种用于倒置显微镜图像中细胞检测的多任务深度回归模型 [论文] (DeepDistance)
11. [2016 Computational Biology]深度学习自动化了活细胞成像实验中单个细胞的定量分析 [论文] [代码] (Deepcell)

细胞类型去卷积

1. [2023 Genome Biology] Smoother：一种统一且模块化的框架，用于在空间组学数据中整合结构依赖性 [论文]
2. [2023 BioRxiv] RETROFIT：空间转录组学中无参考的细胞类型混合物去卷积 [论文]
3. [2023 BioRxiv] STdGCN：利用图卷积网络在空间转录组数据中进行精确的细胞类型去卷积 [论文]
4. [2023 BioRxiv] Spotless：一个可重复的空间转录组学细胞类型去卷积基准测试流程 [论文]
5. [2022 Nature Biotechnology] 使用CytoSPACE实现单细胞与空间转录组图谱的高分辨率对齐 [论文]
6. [2022 Nature Communications] 无参考的多细胞像素分辨率空间解析转录组数据的细胞类型去卷积 [论文]
7. [2022 Nature Biotechnology] DestVI识别空间转录组数据中的细胞类型连续体 [论文]
8. [2022 Biorxiv] 采用无批次效应策略在空间转录组学中进行精确的细胞类型去卷积 [论文]
9. [2022 Nature Biotechnology] 面向空间转录组学的空间信息引导的细胞类型去卷积 [论文]
10. [2022 Nature Cancer] 通过BayesPrism进行细胞类型和基因表达去卷积，可在肿瘤学领域实现批量与单细胞RNA测序的贝叶斯整合分析 [论文]
11. [2022 Nature Communications] 混合细胞去卷积技术的进步使得能够量化空间转录组数据中的细胞类型 [论文]
12. [2022 Nature Biotechnology] Cell2location绘制空间转录组中的细粒度细胞类型图谱 [论文]
13. [2021 Briefings in Bioinformatics] DSTG：通过基于图的人工智能对空间转录组数据进行去卷积 [论文]
14. [2021 Genome Research] 利用单细胞参考对批量基因表达数据进行基于似然的去卷积 [论文]
15. [2021 Genome Biology] SpatialDWLS：精确的空间转录组数据去卷积 [论文]
16. [2021 Nucleic Acids Research] SPOTlight：基于种子的非负矩阵分解回归，用于将空间转录组斑点与单细胞转录组去卷积 [论文]
17. [2021 Nature Biotechnology] 空间转录组中细胞类型混合物的稳健分解 [论文]
18. [2019 Nature Communications] 从基因表达数据中准确估算细胞类型组成 [论文]
19. [2019 Science] Slide-seq：一种可扩展的高空间分辨率全基因组表达测量技术 [论文]

细胞类型注释

1. [2025 BioRxiv] 大型语言模型共识显著提升单细胞RNA测序数据的细胞类型注释准确度 [论文] [代码]
2. [2023 biorxiv] 跨组织单细胞注释模型的扩展 [论文]
3. [2023 Nature Methods] 基于分割引导对比学习的神经元网络多层图谱 [论文]
4. [2023 Nature Methods] Cue：一种用于结构变异发现和基因分型的深度学习框架 [论文]
5. [2023 Nature Communications] 用于一站式可解释细胞类型注释的Transformer模型 [论文]
6. [2023 Nature Biotech] TACCO统一了单细胞和空间组学中的细胞身份注释转移与分解 [论文]
7. [2022 Nature Method] 利用STELLAR对空间分辨单细胞数据进行注释 [论文] 注意：已注释参考细胞图 + 查询细胞图
8. [2022 Brief Bioinform] scIAE：一种基于集成自编码器的单细胞RNA测序数据分类框架 [论文]
9. [2022 Nature Communications] scGCN是一种用于单细胞组学知识迁移的图卷积网络算法 [论文]
10. [2022 Science] 跨组织免疫细胞分析揭示人类组织特异性特征 [论文]
11. [2022 Bioinformatics] CellMeSH：利用索引文献进行概率性细胞类型鉴定 [论文]
12. [2022 Cancers] 用于基因表达建模的Transformer（T-GEM）：一种基于基因表达的表型预测的可解释深度学习模型 [论文]
13. [2021 Nucleic Acids Research] scDeepSort：一种基于加权图神经网络的深度学习预训练单细胞转录组细胞类型注释方法 [论文]
14. [2021 BMC Bioinformatics] 使用图卷积网络进行单细胞分类 [论文]
15. [2021 Genome Research] 半监督对抗神经网络用于单细胞分类 [论文]
16. [2020 BMC Bioinformatics] EnClaSC：一种新颖的集成方法，用于准确且稳健的单细胞转录组细胞类型分类 [论文]
17. [2020 Bioinformatics] ACTINN：单细胞RNA测序中细胞类型自动识别工具 [论文]
18. [2020 Nature Communications] SciBet作为便携式快速单细胞类型鉴定工具 [论文]
19. [2019 Nucleic Acids Research] SuperCT：一种用于增强单细胞转录组图谱特征化的监督学习框架 [论文]
20. [2019 Nucleic Acids Research] CHETAH：一种选择性、层次化的单细胞RNA测序细胞类型鉴定方法 [论文]
21. [2019 Bioinformatics] scMatch：一款利用参考数据集进行单细胞基因表达谱注释的工具 [论文]
22. [2019 Cell Systems] SingleCellNet：一个跨平台、跨物种的单细胞RNA测序数据分类计算工具 [论文]
23. [2019 Genome Biology] SingleCellNet：cPred：一种基于监督学习的单细胞RNA测序数据细胞类型分类精确方法 [论文]

细胞聚类

1. [2023 Bioinformatics] scBGEDA：通过双去噪自编码器结合二部图集成聚类的深度单细胞聚类分析 [论文]
2. [2023 bioRxiv] G3DC：一种基于基因—图引导的选择性深度聚类方法，用于单细胞RNA测序数据 [论文]
3. [2022 BMC Bioinformatics] SC3s：将单细胞共识聚类高效扩展至数百万细胞 [论文]
4. [2022 Bioinformatics] 基于图神经网络的嵌入用于scRNA-seq数据聚类 [论文]
5. [2022 AAAI] 基于ZINB的图嵌入自编码器用于单细胞RNA测序数据解读 [论文]
6. [2022 Briefings in Bioinformatics] 通过自编码器和图神经网络联合实现单细胞RNA测序数据的深度结构聚类 [论文]
7. [2022 Bioinformatics] scGAC：一种用于聚类单细胞RNA测序数据的图注意力架构 [论文]
8. [2022 Nature Computational Science] 利用图神经网络对空间转录组数据进行细胞聚类 [论文]
9. [2021 Nature Communications] 基于模型的深度嵌入用于单细胞RNA测序数据的约束聚类分析 [论文]
10. [2020 NAR Genomics and Bioinformatics] 针对单细胞RNA序列数据的自训练软K-means深度聚类 [论文]
11. [2020 Nature Communications] 深度学习使单细胞RNA测序分析在去除批次效应的同时实现精准聚类 [论文][网站][github]
12. [2019 Nature Machine Intelligence] 采用基于模型的深度学习方法对单细胞RNA测序数据进行聚类 [论文]

疾病预测

1. [2024年《自然·生物技术》] 单细胞生物学能否实现精准医学的承诺？ [论文]
2. [2018年IJCAI] 基于关系网络与局部图卷积滤波的混合方法用于乳腺癌亚型分类 [论文]
3. [2021年《NPJ数字医学》] DeePaN——一种整合临床基因组证据的深度患者图卷积网络，用于对受益于免疫治疗的肺癌进行分层 [论文]
4. [2022年《Biocumputing》] CloudPred：从单细胞RNA测序数据中预测患者表型 [论文]
5. [2022年CHIL '20：ACM健康、推理与学习会议论文集] 利用图注意力网络从单细胞数据中预测疾病状态 [论文]

多模态整合

1. [2024年《自然·方法学》] 在单细胞分辨率下跨空间组学样本进行搜索与匹配 [论文]
2. [2023年《自然·生物技术》] 利用弱关联特征实现跨模态的空间与单细胞数据整合 [论文]
3. [2023年《自然·通讯》] scDREAMER：基于深度生成模型与对抗性分类器的配对方法，用于单细胞数据集的图谱级整合 [论文]
4. [2023年bioRxiv] 自动化的单细胞组学端到端框架，具备数据驱动的批次推断功能 [论文]
5. [2023年《自然·生物技术》] 多模态单细胞数据的整合 [论文]
6. [2023年《自然·生物技术》] 利用弱关联特征实现跨模态的空间与单细胞数据整合 [论文]
7. [2023年《Briefings in Bioinformatics》] 基于图卷积网络的单细胞多组学数据通用整合框架 [论文]
8. [2022年PMLR] CVQVAE：一种基于表示学习的多组学单细胞数据整合方法 [论文]
9. [2022年《自然·生物技术》] 利用图链接嵌入进行多组学单细胞数据整合及调控推断 [论文]
10. [2022年《自然·通讯》] 使用多模态深度学习方法对单细胞多组学数据进行聚类 [综述]
11. [2022年《Genome Biology》] 基于深度学习的多组学数据融合方法在癌症领域的基准研究 [综述]
12. [2018年ICML] MAGAN：对生物流形进行对齐 [论文]
13. [2019年《PLoS计算生物学》] 利用关联自组织映射从scATAC-seq和scRNA-seq数据构建基因调控网络 [论文]
14. [2020年《Bioinformatics》] SCIM：针对未配对特征集的通用单细胞匹配方法 [论文]
15. [2021年《Nature Communications》] 利用自编码器实现单细胞成像与测序数据之间的多领域转换 [论文]
16. [2021年《PLoS计算生物学》] 通过图正则化张量补全法推算空间分辨转录组数据 [论文]
17. [2021年《Genome Biology》] Cobolt：多模态单细胞测序数据的整合分析工具 [论文]
18. [2021年《Cell Reports Methods》] 用于单细胞多组学数据综合分析的专家混合深度生成模型 [论文]
19. [2021年《Briefings in Bioinformatics》] 单细胞转录组与开放染色质可及性数据的深度联合学习分析模型 [论文]
20. [2021年《Bioinformatics》] 用于单细胞多组学数据联合分析的深度跨组学循环注意力模型 [论文]
21. [2022年《自然·生物技术》] scJoint利用迁移学习整合图谱尺度的单细胞RNA-seq和ATAC-seq数据 [论文]
22. [2022年《Bioinformatics》] SMILE：基于互信息学习的单细胞组学数据整合方法 [论文]
23. [2022年SIGKDD] 用于多模态单细胞数据整合的图神经网络 [论文]
24. [2022年《Genome Biology》] scDART：同时整合未配对的scRNA-seq和scATAC-seq数据并学习跨模态关系 [论文]
25. [2019年bioRxiv] 单细胞中RNA表达与表面蛋白丰度的联合模型 [论文]
26. [2021年bioRxiv] DeepMAPS：利用异构图Transformer进行单细胞生物网络推断 [论文]
27. [2022年bioRxiv] 配对单细胞多组学数据之间的自适应机器翻译 [论文]
28. [2022年bioRxiv] Multigrate：单细胞多组学数据整合工具 [论文]
29. [2019年NeurIPS多组学多语言预训练] 跨语言语言模型预训练 [论文]

多组学跨模态转换

1. [2024年《自然·通讯》] scButterfly：一种基于双对齐变分自编码器的通用单细胞跨模态转换方法 [论文]
2. [2023年arXiv scHyena] scHyena：用于脑部全长单细胞RNA测序分析的基础模型 [论文]
3. [2023年bioRxiv scTranslator] 一种用于将单细胞转录组数据翻译为蛋白质组数据的预训练大型语言模型 [论文]
4. [2023年《先进科学》] 利用深度学习高效生成配对的单细胞多组学图谱 [论文]
5. [2022年《细胞生物学杂志》] 基于半监督学习的多模态单细胞转换与对齐 [论文]
6. [2022年《自然·机器智能》sciPENN] 一种多用途深度学习方法，用于CITE-seq和单细胞RNA测序数据的整合，并实现细胞表面蛋白的预测与填补 [论文]
7. [2022年RECOMB] 使用Polarbear进行半监督单细胞跨模态转换 [论文]
8. [2020年《美国国家科学院院刊》] BABEL实现单细胞分辨率下多组学图谱之间的跨模态转换 [论文]

awesome-deep-learning-single-cell-papers 快速上手指南

awesome-deep-learning-single-cell-papers 并非一个可安装的软件工具或代码库，而是一个精选论文列表资源库。它汇集了利用深度学习方法进行单细胞分析的最新学术论文，并按任务类型进行了分类整理。

因此，本指南旨在指导开发者如何高效地获取、浏览和利用该资源库中的学术内容，以辅助科研开发工作。

环境准备

由于本项目本质上是文档和链接集合，无需复杂的系统依赖，仅需具备以下基础环境即可：

• 操作系统：Windows, macOS 或 Linux 均可。
• 必备工具：
  • Web 浏览器：用于直接在 GitHub 网页版浏览分类目录和论文链接。
  • Git（可选）：如果你希望将列表克隆到本地进行离线查阅或通过 PR 贡献内容。
• 前置知识：
  • 熟悉单细胞测序技术（scRNA-seq, Spatial Transcriptomics 等）基本概念。
  • 具备深度学习基础，了解 Transformer, GAN, Diffusion Model 等在生物信息学中的应用场景。

安装步骤（获取资源）

你可以通过以下两种方式获取该论文列表：

方式一：在线浏览（推荐）

直接访问 GitHub 仓库页面，利用右侧目录导航快速查找特定领域的论文：

地址：https://github.com/OmicsML/awesome-deep-learning-single-cell-papers

方式二：克隆到本地

如果你需要离线查看或计划提交 Pull Request 补充新论文，请使用 Git 克隆：

git clone https://github.com/OmicsML/awesome-deep-learning-single-cell-papers.git
cd awesome-deep-learning-single-cell-papers

注：国内用户若遇到克隆速度慢的问题，可使用国内镜像源（如 Gitee 镜像，若有）或配置 Git 代理加速。

基本使用

本资源库的核心价值在于其分类索引和文献追踪。以下是最高效的使用流程：

1. 按任务领域查找论文

打开 README.md 文件，根据你当前的研究任务，点击对应的目录跳转。主要涵盖领域包括：

• 基础模型与大语言模型：查看 Pretrained Model or LLM or Foundation Model 章节，获取如 scGPT, CellPLM, GeneGPT 等前沿模型论文。
• 数据生成与增强：参考 GAN or Diffusion Model 及 Single Cell Data Simulation 章节。
• 具体分析方法：
  • 细胞类型注释：Cell Type Annotation
  • 批次效应校正：Batch Effect Correction
  • 多组学整合：Multimodal Integration / Multiomics Translation
  • 空间转录组：Spatialtemporal Transcriptomic / Spatial Domain
• 教程与书籍：新手可优先阅读 Book 和 Course 章节提供的链接（如 Broad Institute 的 scRNA-seq 分析课程）。

2. 获取论文原文与代码

在列表中找到感兴趣的论文标题后：

1. 点击 [[paper]] 链接直达期刊官网或 arXiv/bioRxiv 预印本页面下载 PDF。
2. 通常论文标题旁或摘要中会包含指向官方代码仓库的链接（若未直接列出，建议在论文中搜索 "Code" 或 "GitHub" 关键字）。

3. 引用综述文章

若在研究中使用了该列表整理的思路，建议引用其配套的综述论文以支持开源社区：

@article{molho2024deep,
  title={Deep learning in single-cell analysis},
  author={Molho, Dylan and Ding, Jiayuan and Tang, Wenzhuo and Li, Zhaoheng and Wen, Hongzhi and Wang, Yixin and Venegas, Julian and Jin, Wei and Liu, Renming and Su, Runze and others},
  journal={ACM Transactions on Intelligent Systems and Technology},
  volume={15},
  number={3},
  pages={1--62},
  year={2024},
  publisher={ACM New York, NY}
}

4. 贡献最新论文

发现遗漏的重要论文？欢迎通过以下方式贡献：

• 提交 Issue：在仓库 Issues 区留言推荐论文。
• 提交 Pull Request：克隆仓库后，按照现有格式在 README.md 对应分类下添加论文链接，并提交 PR。