Los datos faltantes en los transcriptomas de una sola célula revelan cambios en la transcripción | JoVE Visualize

Área de la Ciencia:

Genómica de una sola célula
Biología computacional
Biología del desarrollo

Sus antecedentes:

La secuenciación de ARN de una sola célula (scRNA-seq) permite el perfil del transcriptoma a gran escala.
La priorización de las células para el análisis posterior es un desafío debido a las variaciones técnicas y las estructuras de datos complejas.
Los métodos existentes a menudo se confunden con las técnicas de agrupación, normalización y reducción de dimensionalidad.

Objetivo del estudio:

Desarrollar un nuevo enfoque de puntuación para la priorización celular imparcial.
Identificar transcriptomas distintos basados en los patrones de datos que faltan, independientemente de los pasos de procesamiento comunes de la secuencia de scRNA.
Permitir una selección robusta de las características para análisis posteriores.

Principales métodos:

Se desarrolló un enfoque de puntuación utilizando patrones de datos faltantes en transcriptomas de una sola célula.
El método fue diseñado para ser independiente de las estrategias de agrupación, normalización y reducción de dimensionalidad.
El enfoque se aplicó para analizar los datos transcriptómicos de Dictyostelium discoideum.

Principales resultados:

El método de puntuación identificó con éxito transcriptomas distintos dentro de un conjunto de datos.
Se logró una priorización celular imparcial y una selección de características.
El análisis de Dictyostelium discoideum reveló un cambio metabólico significativo asociado con las transiciones de estado de desarrollo.

Conclusiones:

El enfoque de puntuación desarrollado ofrece un método robusto e imparcial para la priorización celular en la transcriptómica de una sola célula.
Esta técnica supera las limitaciones de los métodos tradicionales confundidos por los pasos de procesamiento de datos.
Los hallazgos en Dictyostelium discoideum destacan la utilidad del método para descubrir conocimientos biológicos, como los cambios metabólicos del desarrollo.