单细胞转录组作为单个细胞的特征，能越发准确地界说细胞的类型。通例的基于单细胞转录组的分类要领首先是举行无监视的聚类，然后凭证每个集群（Cluster）特异表达的细胞标记基因来对集群举行标注。虽然基于无监视的分类要领更容易发明新细胞类型，但人工标注的历程费时艰辛。现在已有的基于监视学习的自动分类要领，大部分无法兼顾到要领的可诠释性以及新细胞类型的发明。
克日，永利集团（国家生物信息中心）蔡军研究组、北京师范大学张江研究组相助在Nature Machine Intelligence揭晓了题为An interpretable deep-learning architecture of capsule networks for identifying cell-type gene expression programs from single-cell RNA-sequencing data的研究效果，构建了决议历程可诠释的深度学习网络模子，单细胞胶囊网络（single cell Capsule Network, scCapsNet），并用于单细胞转录组剖析。相关于其他单细胞转录组自动剖析工具，单细胞胶囊网络能更稳固更高效地区分出属于新细胞类型的细胞。并且，单细胞胶囊网络能通过模子的内部参数找出细胞类型相关基因。通详尽胞类型相关基因，单细胞胶囊网络能将基因与细胞类型直接联系起来，极大地提高了深度学习模子的可诠释性。实质上，单细胞胶囊网络将基因的表达特征和细胞类型特征举行低维编码，这样的编码富含生物学意义。
永利集团蔡军研究员与北京师范大学张江教授为本文配合通讯作者。永利集团王力飞博士为第一作者。该研究获得科技部重点研发项目、中科院战略先导专项、及自然科学基金委等项目的资助。
单细胞胶囊网络的结构以及模子的可诠释性（细胞类型相关基因的发明）
论文链接
