Joint Tensor Modeling of Single Cell 3D Genome and Epigenetic Data with Muscle
利用Muscle联合张量建模单细胞三维基因组与表观遗传数据AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究单细胞多模态张量分解，不能仅凭分解方法归入经济或金融因子模型。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用Muscle联合张量建模单细胞三维基因组与表观遗传数据
- 研究问题
- 如何联合分析单细胞染色质三维构象与DNA甲基化信息，保留数据的张量结构，并辅助细胞类型区分及跨模态关联分析？
- 方法与思路
- 作者提出多单细胞张量的半非负联合分解Muscle，整合染色质接触与甲基化数据，并用交替最小二乘估计参数。
- 材料陈述的贡献
- 摘要称建立了算法最优性性质；数据驱动实验与模拟显示，联合建模在细胞类型区分和模态关联分析中优于所设基准。
- 阅读关注点
- 应核对联合分解约束、参数解释及可识别性、算法最优性的具体含义，以及基准模型和模拟实验的比较设置。
- 阅读边界
- 仅据版本未注明的索引摘要，无法判断最优性是何种性质或比较优势的范围；摘要未提供具体条件、性能数值或刊本变化。
原文摘要
Emerging single cell technologies that simultaneously capture long-range interactions of genomic loci together with their DNA methylation levels are advancing our understanding of three-dimensional genome structure and its interplay with the epigenome at the single cell level. While methods to analyze data from single cell high throughput chromatin conformation capture (scHi-C) experiments are maturing, methods that can jointly analyze multiple single cell modalities with scHi-C data are lacking. Here, we introduce Muscle, a semi-nonnegative joint decomposition of Multiple single cell tensors, to jointly analyze 3D conformation and DNA methylation data at the single cell level. Muscle takes advantage of the inherent tensor structure of the scHi-C data, and integrates this modality with DNA methylation. We developed an alternating least squares algorithm for estimating Muscle parameters and established its optimality properties. Parameters estimated by Muscle directly align with the key components of the downstream analysis of scHi-C data in a cell type specific manner. Evaluations with data-driven experiments and simulations demonstrate the advantages of the joint modeling framework of Muscle over single modality modeling and a baseline multi modality modeling for cell type delineation and elucidating associations between modalities. Muscle is publicly available at https://github.com/keleslab/muscle.