江易淮苏雨眠提示您：看后求收藏（春雷小说clqcjtz.com），接着再看更方便。
她话锋一转，“随着测序技术的发展和测序数据的增长，不同组学组合、不同测序技术、不同测序样本的‘马赛克’式单细胞数据整合成为巨大的挑战。”
周士博点头：“确实如此。”
苏雨眠：“您问MIDAS出现的意义，我认为这应该是人类研究首次实现通用单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能，为构建大规模多组学细胞图谱、实现大规模单细胞多组学分析与知识迁移提供了重要的原创技术......”
接着，是化学与分子工程学院的民受文，民教授——
“这种新算法对比从前的方法，有什么突出优势吗？”
这个问题很大，很泛泛，属于“万精油式”提问，套用到其他论文上也没毛病。
但苏雨眠还是想了想，认真答道：
“MIDAS假设每个细胞的多模态观测值是通过深度神经网络从两个与模态无关且解耦的隐变量生成......其输入由不同单细胞样本（批次）的表达矩阵和批次编号向量组成......因此可能存在不同的技术噪声、模态组合和观测特征......MIDAS的输出包括生物状态和技术噪声两种低维表示的矩阵，以及对缺失模态和特征进行了补全并消除了批次效应的表达矩阵。”
