@techreport{oai:ipsj.ixsq.nii.ac.jp:00234927,
 author = {田口, 善弘 and ターキー, ターキー},
 issue = {40},
 month = {Jun},
 note = {シングルセルマルチオミクスデータセットの解析は新しいトピックであり，このようなデータセットには多数の欠損値を含む多数の特徴が含まれているため，かなり困難である．本研究では，この困難な問題に対処するために，最近提案されたテンソル分解を用いた教師なし学習による変数選択法を適用した．この手法は，遺伝子発現，DNA メチル化，アクセシビリティからなるシングルセル・マルチオミクスデータをうまく統合することができる．後者 2 つのオミックスデータは 1,000 万という大きな次元を持ち，ゼロでない値の割合はわずかであるが，テンソル分解を用いた教師なし学習による変数選択法は，欠損値を埋めることなく 3 つのオミックスデータセットを統合することができる．テンソル分解を用いた教師なし学習による変数選択法は，単一細胞の測定値を 2 次元空間に埋め込む際に頻繁に使用される UMAP と組み合わせることで，単一細胞のオミックスデータセットを統合する際に，分類と同時に 2 次元埋め込みを行うことができる．テンソル分解を用いた教師なし学習による変数選択法に基づいて選択された遺伝子は，妥当な生物学的役割とも有意に関連している．},
 title = {テンソル分解を用いた教師なし学習による変数選択法でシングルセルマルチオミックス解析},
 year = {2024}
}