LRT:对scRNA-seq和scTCR-seq数据的整合性分析,以调查克隆分化的异质性
Juan Xie1, Hyeongseon Jeon2,3, Gang Xin3,4
1The Interdisciplinary Program in Biostatistics, The Ohio State University, Columbus, Ohio, United States of America.
PLoS computational biology
|July 10, 2023
概括
本研究介绍了LRT,这是一个计算工具,集成单细胞RNA测序和T细胞受体测序数据,以揭示T细胞克隆分化异质性. LRT识别了具有偏差分化路径的独特T细胞克隆,为免疫反应提供了更深入的见解.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 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) 推断细胞分化,但忽视T细胞的克隆异质性.
- 单细胞T细胞受体测序 (scTCR-seq) 揭示了克隆关系,但缺乏功能数据.
- 整合scRNA-seq和scTCR-seq对于全面推断T细胞轨迹至关重要.
研究的目的:
- 开发一个计算框架 (LRT) 用于scRNA-seq和scTCR-seq数据的综合分析.
- 探索T细胞中的克隆分化轨迹异质性.
- 识别具有明显差异化偏差的克隆型集群.
主要方法:
- 开发了LRT,这是一个集成scRNA-seq和scTCR-seq数据的计算框架.
- 使用scRNA-seq用于整体细胞轨迹的构建.
- 采用TCR序列和表型数据用于克隆型聚类和偏差评估.
- 来自病毒感染模型的CD8+和CD4+T细胞的插图实用性.
主要成果:
- 识别了具有明显差异化偏差的克隆型集群,仅从scRNA-seq中看不出.
- 在克隆型集群中观察到多样化的扩张能力,V-J基因使用和CDR3动机.
- 证明了LRT在T细胞分化的途径中揭示克隆异质性的能力.
结论:
- LRT提供了一个全面的工作流程,用于分析T细胞克隆分化的异质性.
- 转录和TCR目录数据的整合增强了轨迹推断.
- LRT促进了对T细胞克隆动态和免疫反应的更深入的理解.
