第一名解决方案总结
首先，感谢组织者、Kaggle 管理团队以及所有与我一起参赛的选手。
由于我需要积累分析单细胞数据的经验，这次比赛对我来说是一次极佳的历练。
下面我将介绍我的解决方案概览。
Multiome
模型概览
输入预处理
目标预处理
基于 tSVD 的插补方法：
- 使用 tSVD 对数据进行降维。
- 然后，将数据转换回原始空间。
- 将转换后的数值复制到原始数据中为 0 的部分。
模型结构
输出后处理与损失函数
在推理阶段，模型输出五个预测目标数据的平均值。
CITEseq
模型概览
输入预处理
在 CITEseq 中选择重要基因时，计算每个批次的相关系数，并仅选择在许多批次中具有高相关性的基因。
基因是从与目标蛋白和通路相关的基因中选出的。
我使用 Reactome 作为通路数据库。
目标预处理
