Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: https://hdl.handle.net/123456789/319
Τύπος: Αναρτημένη ανακοίνωση (poster)
Τίτλος: Visualizing high-dimensional single-cell RNA-sequencing data through multiple Random Projections
Συγγραφέας: [EL] Τασουλής, Σωτήριος[EN] Tasoulis, Sotiriossemantics logo
[EL] Βραχάτης, Αριστείδης[EN] Vrahatis, Aristidissemantics logo
[EL] Γεωργακόπουλος, Σπυρίδων[EN] Georgakopoulos, Spirossemantics logo
[EL] Πλαγιανάκος, Βασίλειος[EN] Plagianakos, Vassilissemantics logo
Ημερομηνία: Δεκ-2018
Περίληψη: Recent sequencing technology breakthroughs have resulted in a dramatic increase in the amount of available sequencing data, enabling major scientific advances in biology and medicine. Nowadays, sequencing transcriptome data of single cells (scRNA-seq) are growing rapidly, posing new challenges in their analysis, mostly due to their high dimensionality. In this paper, we study the problem of visualizing such high-dimensional scRNA-seq data. A new visualization scheme is presented based on a customized distance matrix retrieved by applying independently Nearest Neighbors search through multiple Random Projections. The proposed method is compared against well-known dimensionality reduction and visualization techniques showing its capabilities and performance.
Γλώσσα: Αγγλικά
Τόπος δημοσίευσης: Seattle, WA, USA
Σελίδες: 3
DOI: 10.1109/BigData.2018.8622170
ISBN: 978-1-5386-5035-6
Θεματική κατηγορία: [EL] Τεχνητή νοημοσύνη[EN] Artificial Intelligencesemantics logo
Λέξεις-κλειδιά: Dimensionality ReductionRandom Projectionsingle-cell RNA-seq dataVisualization
Κάτοχος πνευματικών δικαιωμάτων: Copyright © 2018, IEEE
Όροι και προϋποθέσεις δικαιωμάτων: https://s100.copyright.com/AppDispatchServlet?publisherName=ieee&publication=proceedings&title=Visualizing+High-dimensional+single-cell+RNA-sequencing+data+through+multiple+Random+Projections&isbn=978-1-5386-5035-6&publicationDate=Dec.+2018&author=Sotiris+K.+Tasoulis&ContentID=10.1109/BigData.2018.8622170&orderBeanReset=true&startPage=5448&endPage=5450&proceedingName=2018+IEEE+International+Conference+on+Big+Data+%2528Big+Data%2529
Ηλεκτρονική διεύθυνση του τεκμηρίου στον εκδότη: https://ieeexplore.ieee.org/document/8622170
Ηλεκτρονική διεύθυνση περιοδικού: https://ieeexplore.ieee.org/xpl/conhome/8610059/proceeding
Τίτλος πηγής δημοσίευσης: 2018 IEEE International Conference on Big Data (Big Data) Proceedings
Σελίδες τεκμηρίου (στην πηγή): 5448-5450
Όνομα εκδήλωσης: 2018 IEEE International Conference on Big Data (Big Data)
Τοποθεσία εκδήλωσης: Seattle, WA, USA
Ημ/νία έναρξης εκδήλωσης: 10/12/2018
Ημ/νία λήξης εκδήλωσης: 13/12/2018
Εμφανίζεται στις συλλογές:Ερευνητικές ομάδες

Αρχεία σε αυτό το τεκμήριο:
Το πλήρες κείμενο αυτού του τεκμηρίου δεν διατίθεται προς το παρόν από το αποθετήριο