腾讯研究成果登 Nature 子刊：scBERT 攻克单细胞测序数据分析痛点
新研究成果对精准医疗打开了新思路
AI 在生物信息学领域再次展现了强大的功效。最近，研究人员首次将 BERT 预训练和微调的范式引入单细胞转录组数据分析中。
9 月 27 日，腾讯 AI Lab 公布「AI + 生命科学」跨学科应用领域的最新研究成果 《scBERT as a Large-scale Pretrained Deep Language Model for Cell Type Annotation of Single-cell RNA-seq Data》 （基于大规模预训练语言模型的单细胞转录组细胞类型注释算法），登上了国际顶级学术期刊 Nature 子刊 《Nature Machine Intelligence》。
论文链接：https://www.nature.com/articles/s42256-022-00534-z
作为在计算机科学、人工智能领域期刊中影响因子最高（25.898）的顶级期刊，《Nature Machine Intelligence》主要关注对该领域具有重要影响的科研成果。因其严格的评审标准，每年收录论文数量平均仅 60 篇左右。论文创新性地提出关于单细胞注释的 scBERT 算法模型，实现了高泛化性、高稳定性、高解释性的单细胞类型注释技术。该成果受到《Nature Machine Intelligence》杂志评审高度认可，表示该成果对