Abstract
В докладе рассматриваются современные методы анализа и обработки одноклеточных омиксных данных с применением алгоритмов глубокого обучения. Особое внимание уделяется архитектурам нейронных сетей, включая автоэнкодеры, вариационные модели, графовые нейронные сети и трансформеры, используемые для извлечения скрытых биологических закономерностей. Представлены алгоритмы снижения размерности, кластеризации, интеграции многомодальных данных, реконструкции клеточных траекторий и импутации пропущенных значений. Обсуждаются преимущества, ограничения и перспективы развития нейросетевых подходов в биоинформатике.