空間トランスクリプトミクスのデータに関するベンチマークスケッチ方法

科学分野:

• 計算生物学
• ゲノミクス
• バイオ情報学

背景:

• 高通量空間トランスクリプトミクス (ST) は,膨大なデータセットを生成し,分析のための計算上の課題を提起します.
• 現在のサブサンプリング方法 (スケッチ) は,しばしば遺伝子発現を優先し,物理的な位置を無視し,空間的バイアスを導入します.
• 既存の方法は,高度に変動する領域を過剰に採取し,均質な領域を過小採取することで,組織構造を歪める危険性があります.

研究 の 目的:

• 空間トランスクリプトミクスのための既存のスケッチング方法を体系的に比較する.
• 異なるデータ表現 (PCA埋め込み,空間座標,滑らかな埋め込み) がサンプリングの精度に与える影響を評価する.
• トランスクリプトミックの表現と空間的整合性をバランスさせる新しいスケッチのアプローチを開発し,検証する.

主な方法:

• 様々なSTデータセット (マウス卵巣,MERFISH脳,ヒトの乳がん,肺) とシミュレーションの間で,均一なサンプリング,レバレッジスコアサンプリング,ジオスケッチ,およびscSamplerのベンチマーク.
• 入力表現には,PCA埋め込み,空間座標,および空間的に滑らかな埋め込みが含まれています.
• 空間的にスムーズなランダム化SVDベースからレバレッジスコアを使用する空間的に意識した方法の開発.

主要な成果:

• 表現のみのスケッチは全体的な異質性を捉えますが 組織構造を歪めます
• 座標のみのサンプリングは組織のカバーを維持しますが,転写の極端を逃します.
• 空間的に滑らかなレバレッジスコアは,組織カバーを維持し,希少な細胞状態を回復し,エッジ効果を回避し,複数のメトリック (ハウスドルフ距離,ARI,PCAロードドリフト,MSE) で代替品を上回る優れたパフォーマンスを示しました.

結論:

• STの標準的なスケッチング方法は,空間的なバイアスの傾向があります.
• 滑らかなレバレッジスコアを使用した新しい,空間的に意識したスケッチアプローチは,トランスクリプトミックと空間情報を効果的にバランスします.
• この方法は,細胞の異質性と組織構造の両方を保ち,大規模な空間トランスクリプトミクスのデータを素早く,公正に分析することができます.