Análisis comparativo de algoritmos de agrupación de células individuales para datos transcriptómicos y proteómicos

Área de la Ciencia:

• Biología computacional
• Análisis multiómico de célula única
• La bioinformática

Sus antecedentes:

• El agrupamiento de datos de una sola célula es un desafío debido a las variaciones en la distribución, dimensionalidad y calidad de los datos a través de diferentes modalidades ómicas.
• Los algoritmos de agrupación existentes se desarrollan principalmente para tipos específicos de ómicos (por ejemplo, transcriptómica, proteómica), con una comprensión limitada de su rendimiento intermodal y capacidades de integración.

Objetivo del estudio:

• Evaluar sistemáticamente el rendimiento de los algoritmos de agrupación computacional en los datos transcriptómicos y proteómicos de una sola célula.
• Evaluar el impacto de factores como los genes altamente variables (HVGs) y la granularidad del tipo de célula en los resultados de agrupación.
• Evaluar los beneficios de la integración de datos multiómicos para mejorar la agrupación y orientar la selección de métodos.

Principales métodos:

• Análisis comparativo de 28 algoritmos computacionales en 10 conjuntos de datos transcriptómicos y proteómicos de una sola célula emparejados.
• Evaluación del rendimiento del algoritmo utilizando métricas para la precisión de agrupación, el uso máximo de memoria y el tiempo de ejecución.
• Evaluación de la solidez del método utilizando 30 conjuntos de datos simulados y análisis de datos multiómicos integrados de 7 métodos de integración.

Principales resultados:

• Identificación de las fortalezas y limitaciones específicas de las distintas modalidades de los algoritmos de agrupación.
• Demostró el carácter complementario de los diferentes métodos y destacó el impacto de los HVG y la granularidad del tipo de célula.
• Mostró el rendimiento del agrupamiento en datos transcriptómicos y proteómicos integrados, revelando mejoras potenciales.

Conclusiones:

• Información útil para seleccionar métodos de agrupación adecuados basados en escenarios específicos de datos multicelulares y prioridades de los usuarios (por ejemplo, rendimiento, memoria, eficiencia del tiempo).
• Se recomienda scAIDE, scDCC y FlowSOM para el mejor rendimiento en ambos tópicos; FlowSOM destacado por su robustez.
• Se sugiere scDCC y scDeepCluster para la eficiencia de la memoria, TSCAN, SHARP y MarkovHC para la eficiencia del tiempo, y métodos de detección de la comunidad para un equilibrio.