Agrupación de datos de secuencias de ARN de una sola célula con factorización de matriz de bajo rango y...

Área de la Ciencia:

• La genómica
• La bioinformática
• Biología computacional

Sus antecedentes:

• La secuenciación de ARN de una sola célula (scRNA-seq) permite el estudio de la heterogeneidad celular.
• La identificación precisa del tipo de célula es crucial para el análisis de los datos de scRNA-seq.
• Los métodos de agrupación de representación de rango bajo (LRR) existentes luchan con la alta dimensionalidad, la escasez y el ruido de los datos de scRNA-seq.

Objetivo del estudio:

• Desarrollar un nuevo algoritmo de agrupación para una identificación precisa y robusta del tipo de célula a partir de datos de scRNA-seq.
• Abordar las limitaciones de los métodos basados en LRR existentes para capturar patrones biológicos reales en medio del ruido y los valores atípicos.
• Mejorar los análisis posteriores en los estudios de scRNA-seq.

Principales métodos:

• Se introdujo un nuevo algoritmo de agrupación: descomposición de matriz de bajo rango con regularización de gráficos locales (LRMGC).
• Empleó una estrategia de tri-descomposición para la matriz de representación y aplicó la norma p de Schatten a la matriz central para un aprendizaje de similitud robusto.
• Regularización de colectores locales integrados y alineación angular para mejorar el rendimiento de agrupación.

Principales resultados:

• El LRMGC demostró un rendimiento y una fiabilidad superiores en comparación con los métodos avanzados en conjuntos de datos de secuencia de scRNA.
• El algoritmo descubrió efectivamente la composición del tipo de célula, incluso en presencia de ruido y valores atípicos.
• Los análisis posteriores, incluida la identificación de genes marcadores y el reconocimiento de células raras, confirmaron la eficacia de LRMGC.

Conclusiones:

• El LRMGC proporciona un enfoque preciso y robusto para la identificación del tipo de célula en los datos de la secuencia de scRNA.
• El método preserva efectivamente las estructuras subespaciales subyacentes al tiempo que mitiga el ruido.
• El LRMGC mejora la fiabilidad de las investigaciones biológicas posteriores utilizando datos de secuencia de scRNA.