利用空间转录组学数据来恢复单细胞RNA-seq中的细胞位置,使用CeLEryry
Qihuang Zhang1, Shunzhou Jiang2, Amelia Schroeder2
1Department of Epidemiology, Biostatistics and Occupational Health, School of Population and Global Health, McGill University, Montreal, QC, Canada. qihuang.zhang@mcgill.ca.
Nature communications
|July 8, 2023
概括
CeLEry是一种新的深度学习算法,可以从单细胞RNA测序数据中恢复细胞的空间位置. 这种方法将基因表达与空间转录学相结合,改善了组织中的细胞分析.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 提供了高分辨率的细胞异质性见解,但缺乏空间背景.
- 了解细胞位置对于解释组织中的生物过程至关重要.
- 现有的scRNA-seq方法无法确定细胞的物理起源.
研究的目的:
- 开发一种用于从scRNA-seq数据中恢复空间细胞位置的计算方法.
- 将基因表达数据与空间转录组学信息集成.
- 加强scRNA-seq在研究组织结构和疾病中的应用.
主要方法:
- 开发了CeLEry (细胞位置恢复Ery),这是一个监督的深度学习算法.
- 从空间转录组学中利用基因表达和空间位置关系.
- 包含一个可选的变异自动编码器用于数据增强,以提高对噪声的稳定性.
主要成果:
- CeLEry成功地从scRNA-seq数据中推断出2D细胞位置和空间域.
- 该算法为恢复的空间位置提供不确定性估计.
- 跨多个数据集 (大脑,癌症) 和空间技术 (Visium,MERSCOPE,MERFISH,Xenium) 的基准测试证实了CeLEry的可靠性.
结论:
- 使用scRNA-seq数据,CeLEry有效地恢复细胞的空间信息.
- 该方法通过推断空间起源来克服分离细胞分析的局限性.
- CeLEry提供了一种强大的方法,可以将scRNA-seq与空间上下文集成在一起,从而推进组织水平的生物研究.
