预处理单细胞RNA测序数据使用相关的聚类和投影

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.
• 计算生物学 计算生物学

背景情况:

• 单细胞RNA测序 (scRNA-seq) 揭示了细胞异质性,这对于理解细胞通信,分化和基因表达至关重要.
• 由于数据稀疏性和高维度,分析scRNA-seq数据具有挑战性,需要有效的维度减少和特征选择.

研究的目的:

• 为scRNA-seq数据引入相关聚类和投影 (CCP),这是一个新的数据域维度减小技术.
• 为了证明CCP在高维的集群和分类任务中比主要组件分析 (PCA) 具有优势.
• 将残余相似性指数 (RSI) 和R-S图表作为评估和可视化聚类和分类性能的新工具.

主要方法:

• 开发了CCP,一种基于积累的双对非线性基因-基因相关性将类似基因的集群投射到"超基因"的方法.
• 通过使用14个基准scRNA-seq数据集进行评估的CCP.
• 引入了用于绩效评估的残余相似性指数 (RSI) 和用于可视化的RS图表.

主要成果:

• 中央货币交易所在内在高维数据上的聚类和分类方面比PCA具有显著的优势.
• 即使没有真正的标签,RSI指标也显示出与准确性的强烈相关性.
• R-S图形为UMAP和t-SNE提供了一个可行的替代方案,用于可视化许多细胞类型的数据.

结论:

• 对于scRNA-seq数据来说,CCP是一种有效的缩小维度的方法,在特定任务中表现优于PCA.
• RSI和R-S图提供了有价值的,标签独立的工具,用于评估和可视化scRNA-seq分析结果.
• CCP及其相关工具为探索细胞异质性和复杂的生物系统提供了新的途径.