scANVI
结合变分自编码器与半监督学习的单细胞数据注释方法，能利用少量已知标签对大量未标注细胞进行自动类型推断。 该方法在保留 scVI 批次校正能力的同时引入细胞类型信息，显著提升跨数据集注释的准确性和可解释性。
| 属性 | 值 |
|---|---|
| 用途 | 基于半监督深度学习的单细胞类型注释 |
| 时间复杂度 | O(c * g * e) |
| 空间复杂度 | O(c * g) |
| 年份 | 2021 |
| 难度 | 高级 (Advanced) |
| 实现语言 | Python |
| 分类 | 单细胞基因组学 |
复杂度分析
- 时间复杂度：
O(c * g * e) - 空间复杂度：
O(c * g)
性能洞见：该算法时间复杂度属于多项式量级。
注：复杂度基于理论模型。实际性能受数据规模、硬件环境与实现优化影响，建议针对具体场景进行基准测试。
文献与实现
相关工具
scVI · CellTypist · scArches