scSelector: Un asistente flexible para el análisis de datos de células únicas para investigadores biomédicos

Área de la Ciencia:

• Genómica
• Bioinformática
• Biología Computacional

Sus antecedentes:

• El análisis estándar de secuenciación de ARN de células únicas (scRNA-seq) se basa en métodos de agrupamiento rígidos, que pueden pasar por alto diferencias celulares sutiles.
• El filtrado estricto de control de calidad (QC) en scRNA-seq puede conducir a la pérdida de células biológicamente significativas.
• Los flujos de trabajo existentes carecen de flexibilidad para que los investigadores definan y analicen interactivamente poblaciones celulares basándose en la experiencia biológica.

Objetivo del estudio:

• Desarrollar scSelector, un kit de herramientas de software interactivo para el análisis flexible de datos scRNA-seq.
• Permitir a los investigadores seleccionar y analizar poblaciones celulares directamente de incrustaciones de baja dimensión utilizando conocimientos biológicos.
• Integrar la interpretación impulsada por IA para una mejor caracterización de las poblaciones celulares.

Principales métodos:

• Desarrolló scSelector utilizando Python con Scanpy, Matplotlib y NumPy.
• Integró una herramienta interactiva de selección de lazo con módulos de análisis de expresión diferencial y enriquecimiento funcional.
• Incorporó asistencia de Modelo de Lenguaje Grande (LLM) para informes automatizados de predicción de tipos y estados celulares.

Principales resultados:

• scSelector resolvió con éxito la heterogeneidad funcional dentro de los tipos celulares, identificando distintas subpoblaciones de células alfa.
• Caracterizó poblaciones celulares raras, incluidas plaquetas en PBMCs y células endoteliales de baja abundancia.
• Demostró que las células descartadas por el control de calidad estándar pueden ser biológicamente funcionales e identificó estados de células atípicas como células NK proliferativas.

Conclusiones:

• scSelector ofrece una alternativa flexible y centrada en el investigador a los pipelines automatizados de scRNA-seq.
• La combinación de selección interactiva e interpretación de IA mejora la precisión del análisis de scRNA-seq.
• Facilita el descubrimiento de nuevos tipos celulares y comportamientos celulares complejos.