CellCover捕捉了哺乳动物神经皮层发育中的神经干细胞进展

科学领域:

• 计算生物学和生物信息学
• 发育神经科学的发展神经科学.
• 基因组学和转录基因组学

背景情况:

• 在生物医学中,定义细胞类对于分析单细胞RNA测序 (scRNA-seq) 数据至关重要.
• 目前的标记基因鉴定依赖于差异表达 (DE) 方法,这些方法单独分析基因.
• DE方法忽视了基因冗余性和互补性,限制了它们捕获复杂细胞类信号的能力.

研究的目的:

• 开发一种新的方法来识别用于细胞分类的歧视性基因组.
• 通过同时分析多个基因来克服现有方法的局限性.
• 使用scRNA-seq数据探索保存的细胞类型和物种间的发育轨迹.

主要方法:

• 提出CellCover,一种将基因组别选择作为组合优化中最小集合覆盖问题的方法.
• 应用CellCover到scRNA-seq数据从开发小鼠新皮质,小鼠,灵长类动物和人类大脑.
• 利用转移学习来评估跨物种和发育阶段的标记物识别.

主要成果:

• 与DE方法相比,CellCover在小鼠新皮质中发现了不同的细胞类特定信号.
• 转移学习表明CellCover能够识别保存的神经发生标记物和时间进展标记物.
• 人类外辐射质细胞 (oRG) 的转录组签名在动物前体中出现的时间比灵长类早.

结论:

• CellCover提供了一种强大而有效的方法,用于从scRNA-seq数据中识别标记基因面板.
• 该方法有效地捕获细胞类特定的信号和跨物种保存的生物过程.
• 这些发现提供了对皮层扩张至关重要的细胞类型,如ORG细胞的进化起源的见解.