细胞混合物的比较分析解和基因签名为血液,免疫和癌症细胞生成
Natalia Alonso-Moreda1, Alberto Berral-González1, Enrique De La Rosa1
1Cancer Research Center (CiC-IBMCC, CSIC/USAL & IBSAL), Consejo Superior de Investigaciones Científicas (CSIC), University of Salamanca (USAL), & Instituto de Investigación Biomédica de Salamanca (IBSAL), 37007 Salamanca, Spain.
International journal of molecular sciences
|July 14, 2023
概括
计算解卷方法有助于在复杂的生物样本中识别细胞类型. LINSEED是一种强大的无监督方法,用于在免疫和癌细胞中精确识别基因特征.
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:
- 复杂的生物样本含有混合细胞类型,在批量表达数据中掩盖了细胞特异性基因活性.
- 推断细胞组成对于准确的异质样本分子分析至关重要.
- 解方法通过计算分解细胞混合物以估计比例并识别细胞特异性基因特征.
研究的目的:
- 评估和比较五种解卷方法 (CIBERSORT,FARDEEP,DECONICA,LINSEED,ABIS) 用于分析复杂的细胞混合物.
- 评估这些方法在识别免疫和癌细胞类型及其基因特征方面的性能.
- 引入新的分析工具,用于对解卷结果进行比较分析.
主要方法:
- 实施和应用了五种解卷算法:CIBERSORT,FARDEEP,DECONICA,LINSEED和ABIS. 这些算法包括:
- 分析了来自血液,免疫和癌细胞的三个批量基因表达数据集.
- 开发和使用三个比较分析工具:腐蚀图,细胞签名图和酒吧混合图.
主要成果:
- CIBERSORT在免疫细胞类型识别方面表现强大,但对癌细胞效果较差.
- 一种无监督的方法Linseed为主要免疫细胞类型 (中性粒细胞,单细胞,B细胞,NK细胞,T细胞) 和癌细胞提供了精确和特定的基因特征.
- 开发的分析工具促进了对解卷方法的输出进行彻底的比较.
结论:
- LINSEED是一种高效的无监督解卷方法,用于剖析细胞异质性,并在复杂样本中识别细胞特异性基因特征.
- 选择解卷方法会影响细胞类型比例估计和基因特征识别的准确性.
- 该研究为研究人员提供了宝贵的见解和工具,用于处理复杂的生物转录组数据.
