一个单细胞CaCa

科学领域:

• 计算生物学 计算生物学
• 系统生物学 系统生物学
• 基因组学就是基因组学.

背景情况:

• 单细胞基因组技术为细胞异质性提供了前所未有的见解.
• 在单细胞中整合基因表达和动态信号数据仍然是参数推断的挑战.

研究的目的:

• 开发使用联合单细胞基因表达和Ca2+动态数据进行参数推断的贝叶斯方法.
• 为了利用转移学习,在单细胞种群中进行高效的参数推断.
• 为了研究转录状态和细胞信号传递动态之间的关系.

主要方法:

• 贝叶斯参数推理框架.贝叶斯参数推理框架.
• 转移学习方法用于在顺序分析的单个细胞之间共享信息.
• 细胞内Ca2+信号的动态建模.
• 对成千上万个单细胞进行分析,这些单细胞具有异质的反应.

主要成果:

• 转移学习加速了对细胞序列的参数推断,无论细胞的顺序如何.
• 通过转录相似性对细胞进行排序对于区分Ca2+动态配置文件和相关标记基因至关重要.
• 推断揭示了复杂的细胞异质性,在细胞内和细胞间的背景下有不同的参数共变.

结论:

• 单细胞参数推断,由转录相似性告知,可以量化基因表达和信号动态之间的关系.
• 开发的方法提高了单细胞数据的实用性,以了解细胞动态和异质性.
• 转录相似度排序是稳定识别细胞特异信号行为和分子标记物的关键.