Resumen - TrajLens: Análisis Visual para Construir Trayectorias de Desarrollo Celular en Exploración Trans-Sample

Título
TrajLens: Análisis Visual para Construir Trayectorias de Desarrollo Celular en Exploración Trans-Sample

Tiempo
2025-07-21 13:44:01

Autor
{"Qipeng Wang","Shaolun Ruan","Rui Sheng","Yong Wang","Min Zhu","Huamin Qu"}

Categoría
{cs.CG,q-bio.QM}

Enlace
http://arxiv.org/abs/2507.15620v1

PDF Enlace
http://arxiv.org/pdf/2507.15620v1

Resumen

Este documento presenta TrajLens, un sistema de análisis visual diseñado para asistir a los biólogos en la predicción y exploración de trayectorias de desarrollo celular cruzadas de conjuntos de datos de seq de ARN de células múltiples (scRNA-seq). El sistema aborda el desafío de construir y analizar trayectorias de desarrollo complejas cruzadas que consideren la dinámica espacial celular, una tarea crítica en el análisis de secuenciación de ARN de células individuales (scRNA-seq). Los autores proponen un modelo basado en GNN (Redes Neurales Generalizadas) para predecir trayectorias de desarrollo celular cruzadas mediante la captura de características como las distribuciones espaciales celulares, perfiles de expresión génica y dinámicas cruzadas. TrajLens proporciona una interfaz intuitiva e interactiva para que los usuarios exploren las trayectorias predichas y validen sus relaciones evolutivas biológicas. El sistema incluye varias características clave: 1. Vista de Selección de Células Nucleares: Permite a los usuarios seleccionar tipos celulares nucleares basándose en ocurrencias temporales y cambios cuantitativos durante el desarrollo biológico. 2. Vista de Selección de Rutas: Asiste a los usuarios en la selección y análisis intuitivos de rutas de desarrollo celular complejas con un enfoque en trayectorias de alta frecuencia y diversidad. 3. Vista de Inspección de Rutas: Revela patrones evolutivos espaciales a través de una vista sincronizada de múltiples filas, facilitando la validación completa de las relaciones evolutivas biológicas con características para la inspección de secuencia, inspección de muestra única y evaluación de similitud. 4. Vista de Función Génica: Presenta funciones génicas significativas identificadas a través del análisis de secuencias de muestra única. Para demostrar el rendimiento del sistema, los autores realizaron evaluaciones cuantitativas de su modelo con dos estudios de caso y entrevistas con expertos para validar su utilidad y eficacia. Los resultados muestran que TrajLens predice efectivamente las trayectorias de desarrollo celular cruzadas y ayuda a los biólogos a explorar y refinar sus relaciones evolutivas biológicas. El documento resalta las siguientes contribuciones: - Formulación del problema y los requisitos de diseño para definir y analizar trayectorias de desarrollo celular cruzadas. - Un modelo basado en GNN para predecir trayectorias cruzadas mediante la captura de características de desarrollo celular cruzadas. - TrajLens, un sistema de análisis visual para explorar e identificar relaciones evolutivas biológicas de las trayectorias predichas. - Evaluación cuantitativa del rendimiento del modelo y validación cualitativa de la eficacia del sistema a través de estudios de caso y entrevistas con expertos. En resumen, TrajLens proporciona una herramienta valiosa para los biólogos para analizar trayectorias de desarrollo celular cruzadas complejas y obtener información sobre la dinámica celular y las relaciones evolutivas.


Artículos Recomendados

SDVDiag: Una Plataforma Modular para el Diagnóstico de Funciones de Vehículos Conectados

La conjetura geométrica P=W y la compactificación de Thurston

Reducción Tukey generalizada entre conjuntos directos $\sigma$-dirigidos

Dinámica Lineal y Regular de Kepler-Manev a través de Transformaciones Proyectivas: Una Perspectiva Geométrica

Expansión de subconjuntos normales de elementos de orden impar en grupos finitos

Un optimizador de serpiente mejorado con múltiples estrategias para la planificación de rutas de UAV tridimensionales y problemas de ingeniería

Restricciones de la tomografía de lente del CMB con bispectros proyectados

VideoITG: Entendimiento Multimodal de Vídeos con Anclaje Temporal Instructivo

Estados de alta energía de trayectorias caóticas recurrentes en un pozo potencial dependiente del tiempo

Simulación de movimiento humano de alta fidelidad impulsada por IA generativa