Un marco de transmisión de mensajes para la identificación precisa del estado de la celda con scClassify2

Área de la Ciencia:

• Biología computacional
• La genómica
• La bioinformática

Sus antecedentes:

• La anotación precisa de las celdas es esencial para el análisis de los datos de una sola celda.
• Los métodos existentes a menudo se centran en tipos celulares distintos, descuidando las poblaciones celulares secuenciales.
• Hay una necesidad de herramientas computacionales avanzadas para abordar esta brecha.

Objetivo del estudio:

• Para introducir scClassify2, un nuevo método computacional para la anotación de celdas.
• Abordar específicamente la identificación de estados celulares adyacentes y poblaciones celulares secuenciales.
• Proporcionar una herramienta versátil aplicable a varios tipos de datos de una sola celda.

Principales métodos:

• Desarrollo de scClassify2, una arquitectura de doble capa que incorpora el conocimiento biológico.
• Aplicación de la regresión ordinal para la identificación secuencial del estado celular.
• Validación en diferentes plataformas de datos de una sola célula, incluida la transcriptómica espacial.

Principales resultados:

• scClassify2 demuestra un rendimiento competitivo con respecto a los métodos más avanzados.
• El método identifica efectivamente las poblaciones de células secuenciales, mejorando la precisión de la anotación.
• Generalizabilidad mostrada a través de la secuenciación de ARN de una sola célula y datos de transcriptómica espacial.

Conclusiones:

• scClassify2 ofrece un avance significativo en la anotación celular al centrarse en poblaciones secuenciales.
• La herramienta es robusta y aplicable a diversos datos biológicos de alto rendimiento.
• Un servidor web está disponible para facilitar la investigación académica utilizando scClassify2.