李向涛教授指导的人工智能学院2020级硕士研究生于卓含同学的论文" ZINB-based Graph Embedding Autoencoder for Single-cell RNA-seq Interpretations "被国际会议AAAI 2022（CCF A类）接收。2020级硕士研究生卢艺夫同学为共同第一作者。本工作与吉林大学人工智能学院的唐帆助理教授、香港城市大学的Ka-chun Wong教授合作完成。
会议简介：AAAI（The National Conference on Artificial Intelligence）是由国际先进人工智能协会（Association for the Advance of Artificial Intelligence）主办的年会，也是人工智能顶级国际会议。AAAI 2022将于2022年2月22日至3月1日在加拿大温哥华举办。
会议类别：CCF A类会议
会议时间：February 22-March 1, 2022, Vancouver, BC, Canada.
第一作者：于卓含
共同第一作者：卢艺夫
论文题目：ZINB-based Graph Embedding Autoencoder for Single-cell RNA-seq Interpretations
论文概述：单细胞 RNA 测序 (scRNA-seq) 以单细胞分辨率提供有关全基因组基因表达水平的高通量信息，从而精确了解单个细胞的转录组。但其数据的辍学事件（dropout）普遍存在对细胞类型注释提出了重大挑战。本文提出了一种基于单细胞模型的深度图嵌入聚类（scTAG）方法，该方法同时学习细胞-细胞拓扑表示并基于深度图卷积网络识别细胞簇。 scTAG 将零膨胀负二项式 (ZINB) 模型集成到拓扑自适应图卷积自编码器中以学习低维潜在表示，并采用 Kullback–Leibler (KL) 散度进行聚类任务。通过同时优化聚类损失、ZINB 损失和细胞图重建损失，scTAG 联合优化集群标签分配和特征学习，并以端到端的方式保留拓扑结构。实验结果表明，我们的方法在多个真实scRNA-seq数据集上均取得了更好的聚类性能，能够有效的解决单细胞的dropout问题。
