Deep learning based deconvolution methods : A systematic review

Share

Abstract

En esta revisión sistemática examinamos el papel de la Inteligencia Artificial (AI) y el Aprendizaje Profundo (DL) en el desarrollo de herramientas de deconvolución celular, con especial atención a su aplicación al análisis de datos transcriptómicos procedentes de la secuenciación de ARN. Destacamos la importancia crítica de contar con perfiles de referencia de alta calidad para mejorar la precisión de los métodos de deconvolución analizados, lo cual resulta esencial para determinar las composiciones celulares en muestras biológicas complejas. Para garantizar la solidez de nuestro trabajo, hemos aplicado un riguroso proceso de selección siguiendo las directrices Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA). A través del proceso de revisión, hemos identificado varias carencias clave en la investigación, poniendo de relieve la necesidad de metodologías estandarizadas y de mejorar la interpretabilidad de los modelos. En conjunto, presentamos una visión general exhaustiva y actualizada de las diferentes metodologías, conjuntos de datos y hallazgos asociados a las herramientas de deconvolución basadas en DL, allanando el camino para futuras investigaciones y subrayando el valor de la colaboración entre las ciencias computacionales y biológicas. [Traducción automática al español; idioma original: inglés.]