MATTE:一个转录组模块对齐的管道,用于反噪声表型与基因相关的分析
Guoxin Cai1, Wenyi Zhao1, Zhan Zhou1,2
1Innovation Institute for Artificial Intelligence in Medicine and Zhejiang Provincial Key Laboratory of Anti-Cancer Drug Research, College of Pharmaceutical Sciences, Zhejiang University, Hangzhou 310058, China.
Briefings in bioinformatics
|June 6, 2023
概括
转录TomE的模块对齐 (MATTE) 是一种分析转录组学数据的新方法,能够稳定地识别基因模块和差异,即使使用杂的单细胞数据. 这种方法增强了比较转录学,有助于理解乳腺癌等复杂疾病.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 系统生物学 系统生物学
背景情况:
- 表型受到模块或网络内的复杂基因相互作用的影响.
- 比较转录学旨在识别这些跨不同条件的关系.
- 与不同的表型相关的基因模块的对齐仍然是该领域的一个重大挑战.
研究的目的:
- 引入转录TomE (MATTE) 的模块对齐,这是一个用于分析转录数据的新型计算框架.
- 开发一种强大的方法来识别模块级别的基因表达的差异.
- 提供一种可通用的方法,在不同的表型中对基因模块进行对齐.
主要方法:
- 基因以相对差异性表达来表示,以尽量减少噪音.
- 集群和对齐算法被整合为强大的模块化分析.
- MATTE方法将表型差异模型为网络内基因位置的变化.
主要成果:
- 在噪音中识别差异性表达的基因方面,MATTE表现出比现有方法更高的性能.
- 该方法有效处理单细胞RNA测序 (scRNA-seq) 数据,在提取细胞类型标记基因方面表现优于其他方法.
- MATTE有助于发现具有生物学意义的基因和模块,帮助下游分析.
结论:
- MATTE为比较转录学和模块化分析提供了一个强大而通用的框架.
- 该方法增强了基因-表型关系的识别,特别是在复杂的数据集中.
- MATTE为乳腺癌等疾病提供了宝贵的见解,并支持进一步的生物发现.
